仅供研究主效应的实验设计方案

2019/3/2-星期六-阴雨天

仅供研究主效应的实验设计方案，只针对如何提高主效应的分析效率，并不对交互项进行分析。所以只有当研究所涉及的因素确实没有交互作用时，才会采用此类设计方案。

①完全随机设计

完全随机设计只涉及一个处理因素，两个或多个水平，所以也称单因素设计，它是将样本中全部受试对象随机分配到各个组件中，分别接受不同的处理，然后对其效应进行对比观察或分别从不同总体中随机抽样进行对比观察。

1、实验结果的分析：

1.1 当处理因素只有两个水平即两个处理组时，可选用两个样本均数比较的t检验、u检验或秩和检验。

1.2 当处理因素有多个水平即多个处理组时可考虑方差分析或秩和检验。在多个处理组均数比较时，如果分析结果有统计学意义，只能说明处理组均数不全相等。

2、多重比较的方法有如dunett t 检验，snk-q 检验，LSD-t检验等。

②配伍组设计

配伍组设计也称为随机区组设计,主要用于人体或实验单位之间有明显差异或实质性差异的情况下。它通常是将受试对象按性质（动物的体重，年龄，病情，性别等非实验因素）相同或相近组成B个组，每个区组中的k个受试对象分别随机分配到K个处理组中去。

设计方案的优点在于组间均衡性较好。

③交叉设计方案

交叉设计方案是在自身配对设计基础上发展的设计方法，是一种特殊的自身对照设计。它可在同一病人身上观察两种或两种以上的效应，消除病人之间的差异。具体操作是按事先设计好的试验次序，在各时期对研究对象先后实施各种处理，比较各处理组间的差异。

例子如下：例子数据链接：https://pan.baidu.com/s/1uvWGQlGgyfzuX9Jvs0b13Q提取码：5lwg

图1

思路分析：通过数据分析A、B两方案疗效有无差别，属于两因素方差分析；因变量是高血压病人的血压值，固定因子是治疗方案，治疗阶段；随机因子是病人；不考虑因子的交互项作用，所以选择主效应。

部分数据截图如下：

图2

1、选择Analyze→General Linear Model→Univariate （假设数据服从正态分布）

图3

图4

图5

从图4结果可以看出，P=0.058，所以不能认为两种治疗方式存在差别。

④拉丁方设计

拉丁方设计方案用于研究三个及以上因素、各因素间无交互作用且每个因素的水平数相同的情况，但很少用于8个以上的水平数。链接：https://pan.baidu.com/s/1ybjC0t2CFlbzbdKwEc4m5Q 提取码：yxwr

图6

样例数据如下：

图7

图8

图9

从图9可知，背景音乐、日期因素对主持人的工作评分有影响。

图10

从图10可知，第一种背景音乐的效果明显低于其他四种背景音乐的效果。

图11

从图11可见，星期一和星期五的工作效果明显低于周二、三、四。