正交实验结果分析法（共4篇）
正交实验结果分析法 篇1
0引言
某个事件的变化往往受许多因素变化的制约, 要知道哪些因素对事件影响较大, 哪些因素影响较小, 哪些因素搭配在一起会产生极限值, 就必须通过做试验验证。如果制约事件变化的因素很多, 而且每种因素又有多种变化 (不同的水平) , 那么试验数量会很大。但利用正交试验法, 不但可以大幅度减少试验数量, 并且也不会降低试验可行性。正交试验法开展试验具有高效、快速、经济的特点。它利用正交性原理与数理统计学知识, 从大量的试验点中挑选出有代表性和典型性的试验点, 应用“正交表”科学合理地安排试验;用部分具有代表性和典型性的试验来代替全面试验。由于正交表具有“均匀分散性, 整齐可比”的优点, 因此通过对正交试验结果的分析, 可掌握全面试验的情况, 最终达到用尽量少的试验得到最优的试验结果的目的。
正交试验已在医疗、冶金、科研、建筑各个领域得到了广泛的应用。为人们的工作提供了很大的方便, 试验过程工作量得到成倍的减少, 分析过程也可以由“正交试验助手”配合计算, 使繁重的工作变得轻松便捷, 并且最终能得到最优的试验方案。因而正交设计方法得到了各领域广大科研、试验工作者的青睐!
本文以商品混凝土的配合比设计为例, 考察混凝土配合比可行性的指标是混凝土的工作性及抗压强度, 列出混凝土配合比参数中对指标影响比较重要的几个因素 (粉煤灰掺量、矿渣掺量、水胶比、外加剂掺量) , 分别采用不同的水平, 用正交试验设计法混凝土配合比, 并按照正交表设计的配合比开展试验, 进行试验结果分析, 最终得出一个最优混凝土配合比。
1试验
1.1 试验目的
用正交设计方法设计C50 混凝土配合比, 考虑4 个因素 (粉煤灰掺量、矿渣掺量、水胶比、外加剂掺量) 的影响, 分别采用3 个水平设计正交表, 并对试验结果进行分析, 选择出最佳的配合比。
1.2 原材料品种及产地
(1) 水泥:云南国资东骏水泥有限公司, P·052.5 水泥;
(2) 外加剂:云南建工JG-3 缓凝高效减水剂 (萘系) ;
(3) 粉煤灰:云南恒阳实业有限公司II级粉煤灰;
(4) 矿渣粉:昆明市大塘华城建材经营部S75 级矿渣粉;
(5) 粗集料:云南建工砂石料有限公司5~31.5 连续级配公分石;
(6) 细集料:昆明市西山区龙潭大河石英砂厂天然特细山砂, 与建工砂石料厂机制粗砂掺配成二区中砂。
1.3 正交试验方案
(1) 确定试验指标:即确定所要追求的试验目标。混凝土的抗压强度值和工作性能是检验配合比可行性的指标。可把28d抗压强度值和坍落度值定为试验指标。把3d抗压强度、7d抗压强度和扩展度列为观察指标。
(2) 选择因素确定水平:选择出对试验结果可能会产生影响的全部因素:混凝土中掺入矿渣粉和粉煤灰有利于提高耐久性, 能改善工作性并且也符合经济性原则, 水胶比是影响混凝土强度的重要指标, 而外加剂的掺入可以使混凝土各组成材料充分发挥效应;因此本试验选择粉煤灰掺量、矿渣粉掺量、水胶比、外加剂掺量4 个影响因素, 每个因素分别选择3 个不同的水平。因素水平表详见表1。
(3) 选择正交表:正交表的有关内容可参考相关手册。正交表的选择需要遵守以下原则:
(a) 因素数+要考虑的交互作用+空白项≤正交表列数
(b) 因数的水平数=正交表水平数。
本试验未考虑因素间的交互作用的影响, 也不设空白列, 因素可考虑L934。正交试验表详见表2。
1.4试验结果
C50 混凝土3d抗压强度, 7d抗压强度, 28d抗压强度, 坍落度, 扩散度试验结果详见表3。
2试验结果分析
2.1 极差分析法
C50 混凝土28d抗压强度、坍落度的极差分析计算结果详见表4。极差分析情况如下:
(1) 从表4 中各因素Ry1的大小关系:8.9 (A) >3.0 (C) >2.9 (D) >2.8 (B) 可以推导出影响强度y1的主次顺序是:粉煤灰掺量>水胶比>外加剂掺量>矿渣掺量
注:表2 C50 混凝土正交试验方案 (L934) 中, A、B、C、D是各因素的代号, 1、2、3 指的是每种因素的3 种不同水平。
(2) 从表4 中各因素Ry2的大小关系:2.8 (C) >2.7 (A) >2.0 (D) >0.8 (B) 可以推导出影响坍落度y2的主次顺序是:水胶比>粉煤灰掺量>外加剂掺量>矿渣掺量
(3) 从表4 的试验结果计算分析中, 分别对比A、B、C、D各因素Ⅰy1, Ⅱy1, Ⅲy1值, 将三个值中最大值对应的水平定为该因素对y1 的最优水平;则28d抗压强度 ( y1) 各因素的最优水平分别是:粉煤灰掺量A (10%) , 矿粉掺量B (15%) , 水胶比C (0.34) , 外加剂掺量D (2.50%) 。
(4) 从表4 的试验结果计算分析中, 分别对比A、B、C、D各因素Ⅰy2, Ⅱy2, Ⅲy2值, 将3个值中最大值对应的水平定为该因素对y2的最优水平;则坍落度 (y2) 各因素的最优水平分别是:粉煤灰掺量A (10%) , 矿粉掺量B (15%) , 水胶比C (0.38) , 外加剂掺量D (2.70%) 。
注:表4 中, Ⅰy1—各列第“1”水平y1 值的平均值, A、B、C、D各列分别计算;
Ⅰy2—各列第“1”水平y2 值的平均值, A、B、C、D各列分别计算;
Ry1—每一列中3 个水平y1 值的平均值的极差max{ }-min{ };
Ry2—每一列中3 个水平y2 值的平均值的极差max{ }-min{ };
以B列为例, Iy1= (68.9+56.6+55.4) /3=60.3Ry1=60.4-57.6=2.8 其余计算类推。
2.2 方差分析法
现将方差分析法的计算分析步骤介绍如下;并对C50 混凝土进行28d抗压强度方差分析, 详见表5;对C50 混凝土进行坍落度方差分析, 详见表6。表5、表6 中偏差平方和、自由度的计算基础数据来源于1.4 节试验结果表 (详见表3) 。
(1) 方差分析法的步骤一:先计算出各因素的偏差平方和、自由度, 即:
偏差平方和
其中: IjⅡjⅢj—j各列水平的试验指标的平均值;
kj—同一水平出现的次数;
其中:fj—自由度。
(2) 方差分析法的步骤二:计算误差列的偏差平方和、自由度。本试验中没设空白列作为误差列, 可把偏差平方和最小的一列设为误差列。
(3) 方差分析法的步骤三:计算各因素的方差比 (F比) , 详见公式 (3) 。
其中:Fj—第j列方差之比;
Vj—方差,
Ve—误差列的方差。
(4) 方差分析法的步骤四:查F分布数值表做显著性检验。算出的F比值与手册中的标准Fa对比, 可以得出每个因素的显著程度, F值越大, 该因素越显著, 对试验结果的影响越显著。通常F>F0.01就称为该因素高度显著, 记为**, F0.01>F>F0.05称显著, 记为*, F0.05>F>F0.10说明该因素有一定影响;F<F0.10的因素, 应将该因素的偏差平方和与误差的偏平方和相加作为总的误差的偏差平方和, 并重新计算F比值和显著性。
从表5 中可看出因素“粉煤灰掺量”中F比>F临界值, 说明该因素对28d强度影响显著, 其余因素F比<F临界值, 视为因素对28d强度无显著影响。从表6 中可看出各因素均F比<F临界值, 可视为对坍落度无显著影响。
3试验总结
(1) 通过对C50 混凝土正交设计方案的试配2、3、5、6、7 的工作性能满足C50 泵送混凝土的要求, 其强度也能达到设计要求。
(2) 通过对抗压强度的极差分析和方差分析, 得出因素对试验指标影响主次顺序为粉煤灰掺量>水胶比>外加剂掺量>矿渣掺量, 优化水平为粉煤灰掺量10%, 矿渣粉掺量15%, 水胶比0.34, 外加剂2.5%, “粉煤灰掺量”因素中F比>F临界值, 代表该因素对试验结果影响显著, 其余因素F比<F临界值, 视为因素或交互作用对试验结果无显著影响。
(3) 通过对工作性的极差分析和方差分析, 得出因素对试验指标影响主次顺序为水胶比>粉煤灰掺量>外加剂掺量>矿渣掺量, 优化水平为粉煤灰掺量10%, 矿渣粉掺量15%, 水胶比0.38, 外加剂掺量2.7%, 各因素均F比<F临界值可视为对试验结果无显著影响。
(4) 由于强度和工作性能都是验证配合比的关键性指标, 而经过分析两者各因素的最优水平存在有不一致的地方, 必须综合分析考虑, 确定一个最佳配合比。水胶比因素0.34 水平强度最优, 但工作性最差, 达不到设计要求, 水胶比因素0.38 水平, 工作性最优, 但强度最低, 而水胶比因素0.36 水平强度虽略低于最优水平, 但能满足设计强度且有合理的富余强度, 并且工作性能也能满足要求。因此水胶比因素的最优水平为0.36 水平。
“外加剂掺量”因素2.5%水平强度最优, 但工作性差, 2.7%水平工作性最优 (坍落度19.7mm) , 且强度也能满足设计要求, 并且有合理的富余 (强度59.3MPa) , 因此“外加剂掺量”因素最优水平为2.7%。
(5) 经以上分析得到最优配合比是方案2, 方案2 试配结果为, 3d抗压强度为46.4 MPa, 7d抗压强度为56.7MPa, 28d抗压强度为66.1 MPa, 坍落度:21.0cm, 扩展度61*62 (cm) 。工作性和抗压强度的各项指标都优良。故最优配合比为, 粉煤灰掺量10%, 矿渣掺量15%, 水胶比0.36, 外加剂掺量2.7%。
4极差分析与方差分析的差异
通过上述案例的描述和试验结果分析我们对正交试验的设计步骤和程序已有所掌握。下面我们对极差分析法和方差分析法进行对比方析, 得出两种方法的区别。
4.1 极差法分析正交试验结果方法和特点
(1) 在试验范围内, 各列 (因素) 对试验结果 (考察指标) 的影响从大到小的排列表示。某列 (因素) 的极差最大, 表示该列 (因素) 的各水平 (数值) 变化时, 使试验结果 (考察指标) 数值的变化最大。所以各列 (因素) 对试验结果 (考察指标) 的影响从大到小的排列表示, 就是各列 (因素) 极差D的数值从大到小的排队。
(2) 为了能更直观地看到试验结果指标 (考察指标) 随各列 (因素) 的变化趋势, 可以将计算结果绘制成图。
(3) 使试验结果指标 (考察指标) , 得到最适合的影响因素及最佳的水平与其匹配。
4.2 方差分析方法与极差分析方法比较
将方差分析方法与极差分析方法相比较, 可以多得出一个分析结论:即各列 (因素) 对试验指标的影响是否显著, 在哪个水平上显著。在数理统计上, 这是一个很重要的问题。显著性检验强调试验在分析各列 (因素) 对试验结果 (考察指标) 影响中所起的作用。有了各列的显著性检验之后, 最后应将影响不显著的交互作用列与原来的“误差列”合并起来。组成新的“误差列”, 重新检验各列的显著性。
总之极差分析法分析步聚和计算过程较为简单易懂, 但不能将试验过程中试验误差引起的数据波动与试验条件改变引起的数据波动区别开来, 也没有考察各因素作用对试验结果 (指标) 影响是否显著的标准, 因此不知道分析的精度如何。而方差分析正是将各列 (因素) , 各行 (水平) 或交互作用变化所引起的数据波动同试验误差所引起的数据波动分开来的一种统计方法, 可以避免极差分析的不足。
5结语
(1) 使用P·052.5 水泥、JG-3 萘系高效减水剂试配C50 混凝土, 采用正交法设计, 考虑4 因素3 水平, 得到最优配合比为, 粉煤灰掺量10%, 矿渣掺量15%, 水胶比0.36, 外加剂掺量2.7%。
(2) 极差分析法简单易懂, 各列 (因素) 极差D从大到小的排队, 就是各列 (因素) 对试验结果 (考察指标) 影响的主次顺序。方差分析可得出各列 (因素) 对试验结果 (考察指标) 的影响是否显著, 在什么水平上显著;可将各列 (因素) 、各行 (水平) 以及交互作用的的变化所引起的数据波动, 同试验误差所引起的数据波动分开来, 提高分析结果的精度, 可以避免极差分析的不足。
参考文献
[1]马芳芳, 郑磊, 宋其凯.大掺量粉煤灰混凝土配合比设计正交试验研究[J].粉煤灰综合利用, 2010 (1) :13-17.
[2]王丽欣, 王海超, 赵甜甜, 等.基于正交试验的矿渣混凝土配合比设计[J].山东科技大学学报, 2007 (03) :16-19.
[3]霍俊芳, 申向东, 曹喜.纤维混凝土的技术进展与工程应用.第十一届纤维混凝土学术会议论文集[C].2006, 11:142-147.
正交实验结果分析法 篇2
相对压力系数实验直线拟合的结果分析
评价直线拟合质量宜用A类不确定度,拟合线段外推会使不确定度增大.
作 者：冯云光 郑曙东 常缨 朱鹤年 FENG Yun-guang ZHENG Shu-dong CHANG Ying ZHU He-nian 作者单位：冯云光,郑曙东,FENG Yun-guang,ZHENG Shu-dong(清华大学,物理系,北京,100084;铜仁学院,物理系,贵州,铜仁,554300)常缨,朱鹤年,CHANG Ying,ZHU He-nian(清华大学,物理系,北京,100084)
刊 名：大学物理 PKU英文刊名：COLLEGE PHYSICS 年，卷(期)： 28(8) 分类号：O241.2 O4-33 关键词：相对压力系数 直线拟合 标准偏差正交实验结果分析法 篇3
摘要：为加大化学实验分析结果的共享使用，减少对同一实验结果进行重复验证的麻烦，有效利用已有化学实验分析结果，使实验成果转化成为生产力。本文结合建设节约型社会，充分利用互联网这一广泛传播的媒介，提高化学实验分析结果的应用方面，提出了初步想法。
关键词：化学实验分析结果：互联网；共享使用
化学实验分析结果是化学分析工作人员利用已有的化学仪器、实验试剂对某些化学药品及化学反应进行科学实验、分析之后得出的科学结果。这一实验结果是通过科学的方法得到的，具有可重复性和可利用性。不过化学实验分析结果的数据却很少被公布在互联网上为大多数人共享使用。
1化学化工信息已成为互联网上重要信息资源
信息资源和信息服务是科研人员从事科学研究和科技创新工作的重要基础。信息资源既是过去经验的总结。又是未来工作的向导。网络技术在化学中的应用几乎是与计算机网络技术同步发展的。美国化学会及其下属的美国化学文摘社在20世纪60年代初美国计算机网络刚刚建立时，就采用了计算机网络技术，开展计算机网上检索工作。化学化工是信息量大、信息种类多的一门学科。随着计算机网络技术的迅速发展，互联网正在成为化学信息的主要载体和信息服务的重要手段。
2化学实验分析结果的价值分析
化学实验分析结果的价值体现在以下五个重要方面：
(1)化学实验分析结果具有公信力
经过严谨的、科学的实验方法得出的数据是具有定理性的结论，是具有公信力的，是完全可以相信的。
(2 j化学实验分析结果具有重复操作性
科学的实验方法是可以重复进行的，在一定的条件情况下重复的结果必然是相同的。
(3)化学实验分析结果具有成果性
科学的实验方法得出的科学数据是可以被其他实验人员直接采用的有效成果。
(4)化学实验分析结果的应用范围非常广泛
目前，在很多的石油化工企业、化工类综合院校和一些特定的检测机构等涉及化学检验方面的单位，都建立了专门的化学分析检验实验室。配备了专门实验人员和设备，专项进行物质的检测和化学反应实验数据的验证工作，如果互联网上出现相同的化学实验分析结果，那借鉴的意义就非常大了，验证和比对的结果就会更加的精确合理。
(5)化学实验分析结果具有价格性
化学实验分析结果是人工智力成果，具有很高的商业价值，可以在互联网上进行有偿共享，这样不仅可以给化学实验分析结果的数据持有人创造良好经济收入，而且也可以让化学实验分析结果数据的使用人节省了大量的人力和物力。
3化学实验分析结果在互联网共享使用的可行性
互联网的广泛应用，使得各种信息资源都能够在网络上进行合理的共享。也使得大家对各种信息的来源多了～个更丰富、更广泛的索取途径。但目前，化学化工信息在互联网上的共享使用主要存在以下五种类型：
(1)化学化工文献资源
包括一次文献(期刊、报告、专利和书籍等)，二次文献(各种索引、文摘、检索工具等J，三次文献(各种手册、词典等)，主要分布在各种大型数据库、网上图书馆和网上期刊等站点内。信息主要由各个大学、杂志社、学会团体、商业公司和商业网站提供维护。通过这些信息源可以检索并获取有关化学化工文献方面的信息。
(2)化学化工数据资源
包括各种化学物质的波谱数据、色谱数据、标准数据和物理化学参数等。分布区域与上述化学文献资源基本相同。信息来源主要是各个大学和学会团体等非商业机构，以及化学仪器设备公司、化学网络公司等商业机构。主要用来获取所研究化学物质的结构信息和其他相关物化数据。
(3)化学药剂及相关材料供应信息
包括各个化学试剂供应商、仪器设备供应商和生产科研所需材料供应商的供货信息。如价格、规格、包装、运输、质量等。这些信息主要分布在由主要供货商或者协会建立的产品目录数据库中。一般在供货商网站或科技信息网中可以得到上述信息。
(4)计算机化学软件信息
互联网是获取化学软件的重要途径。获得的化学软件中有可以免费下载的共享软件，包括各个大学编写的共享软件、化学软件公司提供的商业测试版和定时间演示版软件、各种放弃版权保护的商业软件等。这些软件以及它们的功能介绍、使用说明等信息多种网站都提供下载服务。这是化学应用软件的重要来源之一。
(5)其他化学信息资源
化学工作者关心的网上其他信息包括学术会议信息、人才需求信息、继续教育信息、政府政策法规等。一般这类信息的分布比较分散，需要用网上搜索引擎帮助收集。或者通过相应网站内链接的相关信息查找。目前已经在计算机网络上建立了多个化学信息搜索引擎以收集化学信息。
以上五种类型的化学化工资源都能够充分利用互联网得到有效的利用，但随着科技水平的不断提高，使得应用广泛的化学实验分析结果应该更加迫切地公布出来进行有效的共享。因此化学实验分析结果在互联网的有效共享使用的网络条件已经具备。
4结论
正交实验结果分析法 篇4
正交试验设计也称正交设计(orthogonal design),是用来科学设计多因素试验的一种方法。其利用一套规格化的正交表(orthogonal table)安排试验,得到的试验结果再用数理统计方法进行处理,使之得出科学结论。主要优点是能在多试验条件中选出代表性强的少数试验方案,通过对这些少数试验方案结果的分析,从中找出最优方案或最佳生产工艺条件,并可以得到比试验结果本身给出的还要多的有关各因素的信息。
通过调研发现,正交试验设计和结果分析现状,令人堪忧:(1)选择正交设计表时,不设置空白列,但又不做重复试验;(2)结果分析大部分使用极差分析法,有的正交试验虽设置了空白列,而不计算空白列的极差,更谈不上与其他因素的极差进行比较了。
2 正交设计和结果分析方法的建议
2.1 确定因素水平,准确设计正交表
正交试验表设计前,一定要弄清试验目的,即通过正交试验要解决什么问题。影响指标的因素是什么,要考虑几个水平?因素水平确定以后,才可选定正交表。需要强调,没有安排因素或交互作用的列称为空白列,其可以反映试验误差,并以此作为衡量试验因素产生的效应是否可靠的标志。因此,在试验条件下,一般必须设置空白列,用来衡量试验的可靠程度,否则,必须做重复试验,来提高分析的可靠性。
选择正交表可以通过SPSS(Statistical Product and Service Solutions)软件快速实现设计。下面举例说明。
万俊杰,钟宏[1]在醌胺聚合物合成工艺的优化一文中,以收率为考核指标,考察了原料配比、反应时间和反应温度三个因素,每个因素有三个水平,设置正交试验。见表1。
利用SPSS软件实现的方法如下:打开SPSS软件,运行:Data→Orthogonal Design→Generate,弹出Generate Ort-hogonal Design对话框,Factor Name输入A,在Factor Label输入原料配比;依次单击Add、a′原料配比′(芽)、Define Values,弹出Generate Design:Define Values对话框,在Value中输入1、2、3,在Label中,相对应的输入1:1、1.5:1、3:1,再单击Continue,就完成了因素A的水平设计;依此方法再完成,因素B、因素C、空白列D的水平设计。最后选中Replace working data file,并单击OK按钮。就完成了整个正交表的设计。为了显示出各个水平所代表的含义,运行View→Value Labels,就得到正交试验表,见表2。
*指苯醌(PBQ)与己二胺(EDA)的物质的量之比
2.2 正确分析试验结果
对正交试验结果的分析有两种方法,即极差分析法(直观分析法)和方差分析法。
2.2.1 极差分析法
极差分析法通过比较极差的大小进而确定因素的主次。特别指出,对于空白列也需要计算极差,并且要与其他因素的极差进行比较。若所有因素的极差都比空白列极差还小,则说明因素之间可能存在有不可忽略的交互作用,或是忽略了对试验结果有重要影响的其他因素。换句话说正交试验设计是失败的,需重新再进行正交设计;若某一因素的极差小于空白列极差,则说明此因素对指标没有显著性的意义。
但是极差分析法存在一定的局限性,不能估计试验过程及试验结果测定中必然存在的误差,因而不能区分某因素各水平所对应的试验结果的差异究竟是由于水平的改变所引起的,还是由试验误差所引起的。所以一般应采用方差分析法来弥补极差分析法的不足。
2.2.2 方差分析法
方差分析法能把因素水平的变化所引起的试验结果间的差异与误差的波动所引起的试验结果间的差异区分开,并能给出可靠的数量估计。利用SPSS软件进行正交试验方差分析,只需用鼠标对“菜单”、“对话框”的进行操作,系统就可以给出统计分析的结果,且分析结果准确可靠。
2.2.2. 1 无空白列正交试验结果的方差分析
对于无空白列的正交试验,即正交设计时,没有考虑空白列的正交试验,必须要做重复试验,重复次数因试验类型,试验条件而有所不同,一般不少于三次。下面举例说明。
鲍思伟等[2]在用正交设计法筛选中华芦荟丛生芽诱导的最优培养基一文中,根据工作经验,选取了植物生长物质6-BA、NAA和蔗糖这三个因素,每个因素取3个水平,考察了对中华芦荟丛生芽诱导数的影响。根据设计安排,每组10瓶。因素水平见表3(无空白列),正交试验结果见表4。
利用SPSS软件进行方差分析,首先要进行数据处理,打开SPSS程序,建立数据表,并对A、B、C、x进行定义,类型均为Numeric,小数点后均取0位,对于变量A、B、C,需要在变量值标签中进行注释代表的含义,其余默认。特别指出,只有一个考核指标(丛生芽诱导数x)。把以上表格中的数据进行录入,一个考核指标变量“x”,三个因变量“a”、“b”、“c”,数据格式就形成了4列90行。
运行菜单:Analyze→General Linear Model→Univariate,弹出多因素方差分析主对话框,把“x”选入Dependent Variable框内,将“a”、“b”、“c”选入Fixed Factor(s)内。
单击Model按钮,弹出Univariate:Model对话框。选中Custom,在Build Term(s)下拉菜单中选中Main effects(只分析主效应),再分别把变量“a”、“b”、“c”分别选入Model框内,单击Continue按钮,返回主对话框。
再单击Options按钮,弹出对话框,把变量“a”、“b”、“c”分别选入Display Means for,选中Compare Main effects。单击Continue按钮,返回主对话框,最后单击OK按钮。
输出的结果比较多,从中节选了部分并做了翻译。(α=0.05)
从表5方差分析可以看出:6-BA、NAA和蔗糖这三个因素对中华芦荟丛生芽诱导的影响都极为显著,但其影响程度的大小有较大的差异,这三个因素对中华芦荟丛生芽诱导作用的大小依次为:C>A>B。
综合表6、7,可以得出:B1均数最大(8.333),且B3与B1、B2之间存在显著性的差异(P<0.05),B1、B2之间不存在显著性的差异(P=0.099>0.05)
同理,可以从另外的几张表格中分析可以得到:A2均数最大(9.067),且A1、A2、A3之间均存在显著性差异;C2均数最大(10.300),C1、C2、C3之间也都存在显著性差异。
总结论:中华芦荟丛生芽诱导的最佳培养基为:A2B1C2,即6-BA:2.0mg/L;NAA:0.3mg/L;蔗糖:30g/L。
2.2.2. 2 有空白列正交试验结果的方差分析
对于有空白列的正交试验方差分析,与无空白列正交试验方差分析类似,需要注意,千万不能把空白列变量选入Fixed Factor(s)内,否则,将不能正确进行方差分析。
3 结束语
SPSS,即统计产品与服务解决方案,是世界上最著名的统计分析软件之一。此软件应用广泛,具有强大的统计分析功能、方便易用的用户操作方式。特别是此软件用于处理正交试验设计、结果分析,简单快速、准确可靠。采用SPSS软件进行正交试验设计、结果分析,可以从繁琐复杂的数据处理工作中解脱出来,具有较强的推广普及价值。
参考文献
[1]万俊杰,钟宏.醌胺聚合物合成工艺的优化[J].郑州:河南化工,2004(3):21-22.
[2]鲍思伟,廖志华,陈敏,等.用正交设计法筛选中华芦荟丛生芽诱导的最优培养基[J].成都:西南民族学院学报(自然科学版)2000,26(2):177-180.