Skip to content
返回搜索结果

分数析因实验 — 分数析因实验设计

提出者
D. J. Finney (formal development); foundations in Ronald Fisher's factorial design work
年份
1945 (Finney); broader development 1950s–1970s by Box, Hunter
类型
Quantitative experimental design
类别
Experimental design

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

分数析因实验是一种资源高效的实验设计,它仅测试所有可能因子水平组合中经过精心挑选的一部分。通过利用高阶交互作用通常可忽略的原理,它用比全析因设计少得多的运行次数来识别 k 个因子的主效应和低阶交互作用,使其成为工业和工程筛选实验的主力军。

方法背后的直觉

假设您想研究 7 个因子,每个因子有两个水平。全析因设计需要 128 次运行 — 这不切实际且成本高昂。分数析因设计采用策略性选择的一半(或四分之一)组合:64 次或 32 次运行。诀窍在于,每个被省略的运行都对应一个高阶交互作用,而该交互作用在实践中几乎肯定为零。您牺牲了估计那些不太可能发生的交互作用的能力,以换取实验成本的急剧降低,同时仍能捕捉到最重要的效应。关键在于确切了解哪些效应会与其他效应混淆(别名),以便正确解释结果。

历史学

分数析因设计源于 Ronald Fisher 在 20 世纪 20 年代和 30 年代在 Rothamsted 实验站进行的析因实验的开创性工作。D. J. Finney 在 1945 年发表于《Annals of Eugenics》的一篇论文中正式引入了分数复制,表明经过精心选择的运行子集可以估计主效应,而仅牺牲高阶交互作用。George Box、J. Stuart Hunter 和 William Hunter 通过他们自 1978 年开始出版的有影响力的教科书系列,将该方法论推广并系统化用于工业实验,将区分度和别名确立为当今从业者使用的关键概念。这些设计仍然是六西格玛、实验设计 (DOE) 培训和全球质量工程的基石。

何时使用

当您有许多因子(通常是五个或更多)需要筛选且负担不起全析因设计时,当资源(时间、材料、成本)有限时,以及当高阶交互作用被假定为可忽略时 — 在大多数物理、化学和工程环境中这是一个合理的假设 — 使用分数析因设计。它是顺序实验策略(筛选 → 优化)的标准第一步。请勿在需要估计所有高阶交互作用时(改用全析因设计)、因子少于四个或五个时(全析因设计是可负担的)、二阶交互作用的别名在没有后续运行时不可接受时,或需要详细表征响应曲面时(改用响应曲面方法)使用它。

局限与注意事项

  • 别名意味着某些效应在一个分数内无法独立估计;解析别名需要额外的运行。
  • 高阶交互作用可忽略的假设在生物、社会或复杂系统中可能不成立。
  • 需要统计素养才能正确指定生成器、检查区分度并解释别名模式。
  • 运行次数非常少时(例如,7 个因子的 8 次运行区分度 III 设计),只有检测大效应的能力很弱。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 与全析因设计相比,实验运行次数大大减少,节省了时间和资源。
  • 系统性的别名结构意味着研究人员始终确切地知道哪些效应被混淆 — 没有隐藏的歧义。
  • 顺序性和可组合性:分数可以折叠或与新分数组合,以在第二阶段解除重要效应的别名。
  • 在统计软件(R、SAS、JMP、Minitab)中得到广泛支持,并在文献中有广泛记载。
  • 正交设计结构使参数估计简单且统计效率高。

应用

  • 筛选化学或制药制造中数十个工艺变量,以识别对产量或纯度影响最大的少数几个。
  • 在有限的地块上,在生长季节优化农业处理 — 肥料、灌溉、农药组合。
  • 工程产品设计研究,其中必须在固定的原型预算内探索材料、几何形状和工艺参数。
  • 软件和网络实验(功能标志、UI 元素),当同时跨多个功能运行全析因设计不可行时。
  • 分析化学方法开发 — 识别哪些试剂浓度、温度和仪器设置会影响测定性能。
  • 在制造中使用 DMAIC 或六西格玛框架进行质量改进项目。

使用方式

使用方式

1

确定所有要研究的 k 个因子并设定它们的水平(通常是两个水平 — 低和高 — 编码为 -1 和 +1)。明确要测量的响应变量。当因子数量超过五个或六个时,通常需要分数设计;当因子数量少于四个时,全析因设计通常是可行的。

2

选择分数 2^(k-p),其中 p 定义了通过乘以现有列来生成多少个因子的列。半分数 (p=1) 使用 2^(k-1) 次运行;四分之一分数 (p=2) 使用 2^(k-2) 次运行。设计的区分度(III、IV、V)决定了哪些效应是别名的:区分度 III 将主效应与二阶交互作用混淆;区分度 IV 将二阶交互作用彼此混淆;区分度 V 或更高则使主效应和二阶交互作用彼此分开。

公式
2^{k-p}
3

构建设计矩阵,首先写出基础 k-p 因子中的全析因设计,然后根据选定的生成器通过乘以现有列来创建额外的 p 列。验证别名结构(别名模式)以确认其对于研究问题是可接受的。

4

以随机顺序执行实验运行,以防止系统性的与时间相关的偏差。如果存在批次、日期或操作员等干扰因子,则应用区组。记录每次运行测得的响应,包括为估计纯误差而包含的任何重复运行或中心点运行。

5

使用普通最小二乘法或 Yates 算法估计主效应和交互作用效应。计算效应的大小及其标准误差。使用效应的正态概率图、半正态图或 Lenth 方法来区分活性(真实)效应和噪声,尤其是在没有重复运行来提供直接误差估计的情况下。

6

根据别名结构解释每个估计的效应:显著的估计可能反映了命名的效应、其别名或两者。使用主题知识、后续确认运行或折叠设计来解除无法从当前分数中解析的效应。透明地报告区分度和别名模式,以便读者能够评估哪些效应是可估计的,哪些不是。

常见陷阱

  • 当二阶交互作用可能存在时,选择过低的区分度(例如,区分度 III)— 主效应估计会受到这些交互作用的偏差,结果可能严重误导。
  • 忽略随机化:按标准顺序运行设计会引入与时间趋势的混淆,而别名结构并非为此设计。
  • 在报告中未能报告别名模式,使得读者(或审稿人)无法评估哪些效应是可估计的。
  • 将筛选结果视为最终结果,而没有确认运行或后续优化阶段 — 分数析因设计本质上是第一步,而不是最终结论。

常见问题

在分数析因设计中,“区分度”是什么意思?

区分度描述了哪些效应与哪些效应别名(混淆)。区分度 III:主效应与二阶交互作用别名 — 仅在已知二阶交互作用可忽略时使用。区分度 IV:主效应与二阶交互作用分开,但二阶交互作用彼此别名。区分度 V 或更高:主效应和二阶交互作用都可以独立估计 — 当二阶交互作用可能存在时首选。

如何在半分数和四分之一分数之间选择?

半分数 (2^(k-1)) 保持更高的区分度,但仅将运行次数减半。四分之一分数 (2^(k-2)) 更小,但通常区分度较低,增加了别名问题。如果您有七个或更多因子且资源非常紧张,请从区分度 IV 的四分之一分数开始;如果您有四到六个因子,通常可以实现并首选区分度 IV 或 V 的半分数。

分数析因设计与 Plackett-Burman 设计有何不同?

两者都是用于在少量运行中处理许多因子的筛选设计,但它们使用不同的构建原理。分数析因设计 (2^(k-p)) 基于两水平全析因设计,并具有清晰、可解释的别名结构。Plackett-Burman 设计使用 Hadamard 矩阵;它们在运行次数方面更灵活(为 4 的倍数),但具有更复杂、非层次化的别名结构,使得二阶交互作用的解释更加困难。

分数析因设计确定了活性因子后,我应该怎么做?

分数析因设计是一种筛选设计,而不是优化设计。一旦确定了活性因子,就进入后续阶段:折叠原始分数以解析别名效应,然后使用响应曲面方法(中心复合设计或 Box-Behnken)或仅针对活性因子的新全析因设计来表征和优化响应。

我可以使用每个因子有多个水平的分数析因设计吗?

是的。存在三水平分数析因设计(例如,3^(k-p) 设计),当怀疑存在曲率时使用。但是,它们比两水平设计需要更多的运行次数。对于初步筛选,几乎总是使用两水平分数析因设计;三水平或混合水平设计在优化阶段更常见。

相关方法

参考文献

  1. Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.). Wiley-Interscience.

    ISBN:978-0471718130
    已复制。
  2. Finney, D. J. (1945). The fractional replication of factorial arrangements. Annals of Eugenics, 12(1), 291–301.

    打开 DOI 文献
    已复制。