当前课程知识点：寻据而来-药学数据统计 > 第五章 试验设计 > 5.4 部分因子设计实验 > 5.4部分因子试验设计
同学们
大家好
全因子设计随着因子数的增加
试验次数将显著增加
例如当因子个数是4时候
那试验次数就是
16次
当因子个数是6的时候呢
试验次数就变成了64次
因此呢
会耗费
太多的人力
物力和时间
有时让研究者很难承受
如果筛选因子的试验
只需从全面组合中选择部分试验
就能估计出主效应
那就不失为一个理想的试验方案
为此
在全因子设计的基础上
我们就提出了
部分因子设计
这节呢
我们介绍
PB设计
PB设计呢
是R.L.Plackett和J.P.Burman
于1964年提出
主要是
针对
因子数较多
而且未确定众因子相对于响应变量的显著影响
是属于筛选设计中的
最经济的一种设计方案
这个设计中呢
所有的自由度
均用于主效应估计
所以呢有时候也把这个设计
称为饱和的主效应设计
它只在假设双因子高阶交互作用可以忽略的时候
或者是考虑因子数较多时候
也就是因字数大于5的时候
才使用这样的设计
部分因子设计呢
它这个方案比较复杂
一般呢
我们使用专门的
统计软件来完成设计
如Minitab
Design
Expert
这个软件
通过这个软件呢可直接获得设计方案
下面我们结合实际例子
来理解部分因子设计的全过程
这个案例里
是风咳处方
风咳处方呢
是广东省著名中医高仲山教授的经验方
由12味药组成
具有
疏风清热
利咽止咳
功效
本实验呢
以风咳颗粒处方
提取浓缩液为模型药
进行喷雾干燥过程的研究
影响喷雾干燥过程的因素有呢
液料密度（A）
液料的温度（B）
进风的温度（C）
雾化的压力（D）
压缩空气比（E）
进料速度（F）
涉及的因子数有6个
选择部分因子设计
如何安排试验呢？
我们想分析一下
各因子以及两两交互作用对试验的影响
首先
我们根据生产实际和专业知识
确定各因素的高水平和低水平的范围
然后
使用统计软件Minitab操作
得到了我们试验的安排表
按照的试验安排表
我们进行逐项实验
记录实验结果在数据的
表中
然后呢
再利用统计软件
进行计算
就得到两个指标的方差分析表
方差分析表显示
因子D
因子F
对喷雾粉得率的影响
是显著的
另外一张表也显示
因子 C因子F
对含水量的影响
是显著的
其余3个因子
因子A
因子B
因子E
对实验结果影响不显著
然后我们再利用统计软件Minitab计算以后呢
也得到两个指标的
回归分析表
第一张回归分析表显示
因子D、因子F
它对喷雾干粉得率影响是显著的
因子D的系数呢是取正值
因子F的系数为负值
所以因子C在高水平上对得率贡献大
因子F在低水平上对得率贡献大
第二个指标的
回归分析表显示
因子C、因子F
对含水量的影响是显著
因为呢
F的系数
是正值
C的系数为负值
所以因子F在高水平上对含水量贡献大
因子C在低水平上对含水量贡献大
其余3个因素
A
B
E
对实验结果影响不显著
通过PB设计
我们分析了7个因子
对指标的影响的大小
最终确认4个显著因子
同学们
课后呢
可将这个实际问题的数据
用minitab统计软件操作一遍
巩固
并理解
部分因子
设计的数据处理过程
这节课
我们就讲到这里
同学们
再见
-1.1 数据需要分析吗
-1.2 课程纲要及参考源
-1.3 数据分析的对象和任务
-1.4 从数据中获取信息
-第一章习题
-2.1 误差可以避免吗
-2.2 误差检验
--2.2 误差检验
-2.3 发现异常值
-2.4 误差是可以传递的
-2.5 数据的正态性检验
-2.6 统计助手---软件工具的介绍
-第二章习题
-3.1 各组间的差异可以衡量吗
-3.2 对照标准值比较差异
-3.3 两组数据的差异性比较
-3.4 两组配对数据差异性比较
-3.5 同环境下多组数据对比
-第三章习题
-4.1 有因就有果吗
-4.2 相关与回归方程的建立与检验
-4.3 多元回归及可信赖检验
-4.4 应当避免的数据坑
-第四章习题
-5.1 实验需要设计吗
-5.2 两因素的方差分析
-5.3 全因子设计实验
-5.4 部分因子设计实验
-5.5 响应曲面实验设计
-5.6 正交试验设计
-5.7 均匀设计实验
-5.8 无附加约束的混料实验设计
-5.9 有附加约束的混料设计
-5.10 均匀混料实验设计
-第五章习题
-6.1 聚类分析
--6.1 聚类分析
-6.2 判别分析
--6.2 判别分析
-第六章习题
-7.1 麻辛石甘汤与新冠疫情
-7.2 中药注射剂再评价
-7.3 幸存者偏差
