用spss处理正交实验结果

本来实验设计的三因素三水平里面就没有包括对照组，自然spss的分析里面就没有办法把对照组包括进去了，如果要考虑对照组，那在实验设计时，就需要把对照组作为其中的一个水平给设计进去。

设两组相对性状的基因类型为X和Y。

首先，根据各样品的总和数量和总和评分可知，样品7最具代表性，即A与B的正交比例为：1：1。

以此类推，A：B：C：D=1:1:1:1。

即：四种基因类型为 Xxyy XxYy xxYy xxyy。

分析

SPSS for Windows的分析结果清晰、直观、易学易用，而且可以直接读取EXCEL及DBF数据文件，现已推广到各种 *** 作系统的计算机上，它和SAS、BMDP并称为国际上最有影响的三大统计软件。在国际学术界有条不成文的规定，即在国际学术交流中，凡是用SPSS软件完成的计算和统计分析，可以不必说明算法，由此可见其影响之大和信誉之高。

遇到输入组合的问题，可以采用正交分析表法，也称正交试验设计法解决。如果要设计全面的案例覆盖所有可能的因素组合情况，工作量将难以估计，这使全面测试的可能性变得很低。这时就需要考虑采取有代表性的因素组合，选取因素组合点，设计合理的测试案例。
正交设计仅是从全面测试中选取有代表性的组合点设计案例的数学方法。正交分析表法是研究处理多因素、多水平试验的一种科学方法。使试验点分布均匀，整齐可比，又能减少试验次数。
因素：对软件运行结果有影响的软件运行条件。一般指软件的输入以及其他软件运行的环境。这些因素可以通过需求分析说明书、概要设计、详细设计等文档进行分析获得。
水平：每一个因素可以处于不同的状态，即可以采用不同取值，这些取值就是因素的水平。
例如， *** 作型管理信息系统需要考虑机构级别，需要考虑机构内用户角色分级等。这里有两个因素：机构级别和用户角色。机构级别因素有四个水平：总行、一级分行、二级分行、支行。用户角色因素有三个水平：系统管理员、 *** 作员和主管。
正交表：正交表是一整套规则的设计表格，例如L9(34)，它表示需作9次实验，最多可观察4个因素，每个因素均为3水平。一个正交表中也可以各列的水平数不相等，我们称它为混合型正交表，如L8(4×24) 此表的5列中，有1列为4水平，4列为2水平。
正交表具有以下两项性质：
(1)每一列中，不同的数字出现的次数相等。
(2)任意两列中数字的排列方式齐全而且均衡。
即“均匀分散，整齐可比”。通俗的说，每个因素的每个水平与另一个因素各水平各碰一次，这就是正交性。
正交试验设计法的基本步骤：
1、确定因素。根据软件需求，找出对系统结果有影响的各种因素，并按照因素的重要性对因素做一个初步的排序。
2、确定因素的取值范围或集合。因素的取值范围指软件输入的取值范围或集合。对于连续变化的因素，要找出其允许变化的范围，对于离散型的因素，找出所有的取值。
3、确定每个因素的水平。对于连续的因素，采用取样的方法从中挑选出一定数量点作为因素的水平，对于离散型的因素，其所有取值就是该因素的水平。根据因素的取值范围或集合，采用等价类划分法、边界值分析以及其他软件测试技术，在每个因素的取值范围或集合内挑选有效等价类、无效等价类、边界值等有代表性的测试点。对于用下拉框进行输入的字段，下拉框的所有取值构成了该因素的水平集合。
4、选择正交表。根据确定的因素和水平个数，选择合适的正交表。合适的正交表必须满足下面的条件：
①正交表的数码数与所确定的水平数完全一致。
②正交表的列数要大于或等于所确定的因素数。
③试验次数在可接受的范围内。
若试验条件允许或试验精度要求很高，则应尽量选择试验次数多的正交表；若试验次数受限制或没有合适的正交表，则应采用一个简便且可行的方法，即适当修改原定的因素和水平个数；对于混合水平的试验，如果有现成的混合水平正交表可用则直接套用，否则，采用拟水平法将其转化为另一个混合水平的正交试验或等水平正交试验。
5、设计测试用例。将所确定的因素与正交表中的列号对应，将所确定的水平与正交表中的数码数对应，填写正交表，增加期望值列。填写完成的正交表即可对应生成测试案例，正交表中每一行生成一个案例。

表4是正交试验的设计表格和结果表格，SPSS和excel一样，把各个变量命名好后，直接输入就可以了，或者用excel编辑好，然后用SPSS打开也行。但是在数据处理过程中，需要把正交试验中各个因素的代号值（1，2，3）转化为实际数值，这样才能分析。

什么是正交试验法

所谓正交试验设计法，是从大量的试验点中挑选出适量的、有代表性的点，应用依据迦罗瓦理论导出的“正交表”，合理的安排试验的一种科学的试验设计方法，是研究多因素多水平的一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是一种基于正交表的、高效率、快速、经济的试验设计方法。

通常把判断试验结果优劣的标准叫做试验的指标，把所有影响试验指标的条件称为因子，而影响试验因子的，叫做因子的状态。

以上的描述比较抽象，简单一点说，正交试验法是一种用来测试组合的方法，这一点和判定表法类似，但判定表法是通过人工对全排列组合来进行化简得到测试用例的，正交试验法是借助于数学工具，通过算法从全排列组合中选择出组合并放到正交表中，这样通过查看合适的正交表就可以直接得到测试用例。

这里提到的因子可以先简单理解成输入，一个软件的各个输入就可以看成因子。这样因子的状态就是输入的取值了。

正交表一般根据因子数和状态数叫做几因子几状态的正交表，下面是多因子两状态的正交表

这个表实际上包含了多个正交表，比如3因子2状态正交表、7因子2状态正交表等。这些正交表中横向的因子1、2、3、4对应的是因子的个数，纵向的项目就是从全排列组合中选出的要测试的组合，也可以看成就是测试用例。这样如果有3个因子，每个因子2个状态，设计出来的测试用例共有4个；如果有7个因子，每个因子2个状态，设计出来的测试用例共有8个。

本来7因子2状态的全排列组合数为2的7次方，也就是128个，结果通过正交试验法，最后测试了8个测试用例，这样真的就测试的不错了吗？正交表的关键到底在哪里？正交表的重点在于要用最少的测试用例对两两组合进行覆盖，仔细查看一下正交表，会发现因子1的0状态和因子2到7的0状态和1状态都组合过，因子1的1状态和因子2到7的0状态和1状态都组合过。而根据经验来看，如果两两组合没有问题，更复杂的三三组合、四四组合一般也不会有太大问题。因此正交试验法是通过测试最需要测试的两两组合来减少测试用例的个数的。

下面是4因子3状态的正交表，情况与上面的多因子两状态的正交表是类似的。

如何使用正交试验法

本工程方法具体的实施步骤如下：

步骤1：提取功能说明，构造因子－状态表
该步骤目的是要确定哪些输入和输入的取值需要进行组合。

步骤2：加权筛选，生成因素分析表

计算各因子和状态的权值，删去一部分权值较小，即重要性较小的因子或状态，使最后生成的测试用例集缩减到允许范围。

该步骤目的是要明确哪些输入和输入的取值是最需要进行组合的，这样可以压缩最后测试的组合数。

步骤3：利用正交表构造测试数据集

1 如果各个因子的状态数是不统一的，几乎不可能出现均匀的情况。必须首先用逻辑命令来组合各因子的状态，作出布尔图。

2 根据布尔图查找最接近的相应阶数的正交表。

3 依照因果图上根节点到叶子节点的顺序逐步替换正交表上的中间节点，得到最终的正交表。

正交试验法的关键在于正交表的选取，可以按照以下原则进行选取：

如果不同因子的状态数相同，比如有M个因子，每个因子N个状态，则最好选取M因子N状态的正交表，如果该正交表不存在，则逐步增加因子数，直到找到一个存在的正交表。

如果不同因子的状态数不同，则先要确定正交表的状态数，确定的原则是看哪种状态数在各个因子中出现的最多，比如现在有4个因子，第1、2个因子有3状态，第3个因子有4状态，第4个因子有2状态，则由于状态数3出现次数最多，因此应该选择状态数为3的正交表。如果刚才说到的4个因子中第3个因子的状态数也是2，则出现状态数2、3均出现2次的情况，这种情况下应尽可能选择较大的值，也就是应该选3。正交表的状态数确定好了，下面就要确定正交表的因子数，这和不同因子的状态数相同的情况是类似的。还是上面的4个因子的例子，最好就应该选择一个4因子3状态的正交表了。

选择好正交表后需要将实际的因子和状态带入正交表，这个时候会出现：

1 因子的状态数=正交表的状态数 这个时候直接替换即可。

2 因子的状态数>正交表的状态数 这个时候需要先将多余的状态合并，带入正交表，然后展开即可。具体可看后面的案例2。

3 因子的状态数<正交表的状态数 这个时候正交表中多出来的状态，用实际状态的任意值任意替换即可。

步骤4：利用正交表每行数据构造测试用例

针对用实际因子和状态替换过的正交表中的每一行选择数据构造测试用例即可。

这个可以在spssau中完成：

比如做三因子三水平的交互正交表，

选项因子个数选择3，水平个数也是3，点击“开始分析”，搞定。

扩展资料

spssau的功能：

1、方差分析功能：方差齐性检验、单因素方差分析、双因素方差分析、三因素方差分析、多因素方差分析、协方差分析、均值比较分析和事后多重对比功能。

2、非参数功能：单样本Wilcoxon秩和检验、独立样本非参数检验(mannWhitney)、独立样本非参数检验(Kruskal-Wallis)、配对样本符号wilcoxon秩和检验、多样本Friedman检验、游程检验、Kendall协调系数、Cochran'sQ检验。

3、多元统计功能：聚类分析(Kmeans聚类)、聚类分析(K-prototype聚类)、主成分分析、因子分析、典型相关分析、分层聚类、GEE模型、偏最小二乘回归、结构方程模型。

参考资料来源：百度百科-SPSSAU

---