正交试验设计表怎么选：因素、水平与交互作用的判断方法

近期趋势：从“能做试验”转向“少试验、可解释、可复现”

正交试验设计的核心价值，是在多因素、多水平条件下，用较少的试验次数获得相对均衡的信息。近期在制造工艺、材料配方、设备参数优化、软件性能调优、农业试验和质量改进等场景中，用户关注点正在从“套用一个正交表”转向“为什么选这张表、结果能否解释、交互作用是否被遗漏”。

这种变化背后有两个原因：一是试验成本和周期仍然受限，不能简单扩大样本；二是数据分析工具更容易获得，试验设计的合理性会直接影响后续方差分析、极差分析和验证试验的可信度。

因此，选择正交试验设计表时，不宜只看“因素个数”和“水平数”是否放得下，还要判断自由度、交互作用、混合水平、重复试验和误差估计是否满足研究目的。

行业背景：正交表不是越大越好，也不是越小越省

常见的正交表通常以“试验次数、可容纳列数、水平数”来理解。例如两水平、多水平或混合水平正交表。实际选择时，试验次数越少，资源消耗越低，但可分辨的信息也越有限；试验次数越多，分析空间更大，但成本随之增加。

在工程和质量优化中，正交试验经常用于筛选主效应，即判断哪些因素对指标影响更大。若研究目标只是初步筛选，表可以相对紧凑；若要进一步比较交互作用、建立稳定工艺窗口或支撑后续决策，则需要更谨慎地分配列位，并考虑重复与误差。

一个常见误区是：只要因素数量能填进表，就认为设计成立。实际上，正交表的每一列都代表一定的信息容量，因素主效应、交互作用和误差项都会占用自由度。如果这些信息没有合理安排，后续结论可能出现“看似显著、实际混杂”的问题。

用户关注点一：先判断因素，避免把不可控变量当成可控因素

因素是试验中主动设置或分类比较的变量。选择正交表之前，应先确认哪些变量确实需要进入试验，而不是把所有可能影响结果的条件都列为因素。

判断因素时，可以按以下顺序筛选：

• 是否可控：能否在试验中稳定设定和重复执行。不可控但会影响结果的变量，更适合作为环境条件、分组条件或记录变量。
• 是否有业务意义：即使统计上可能有差异，也要判断调整该因素是否具备实际价值。
• 是否可能影响关键指标：优先纳入有机理依据、历史经验或预试验提示的因素。
• 是否与其他因素高度绑定：如果两个因素在操作上无法独立变化，强行同时纳入可能导致解释困难。
• 是否属于噪声因素：对结果有影响但不易控制的变量，可在稳健设计或验证阶段单独处理。

因素数量越多，所需正交表通常越大。若因素过多而试验次数受限，可先做筛选试验，保留最可能产生影响的因素，再进行精细优化。

用户关注点二：水平数要体现差异，而不是机械凑数

水平是因素的具体取值或类别。水平设置过近，试验结果可能难以区分；水平设置过宽，又可能引入非线性、不可行或安全风险。因此，水平数和水平间距都要结合经验范围、设备能力、工艺约束和指标敏感性来确定。

常见判断方法包括：

• 两水平：适合初步筛选，判断因素高低变化是否有明显影响，但难以观察曲线趋势。
• 三水平：适合多数参数优化场景，可初步判断是否存在中间最优或非线性趋势。
• 四水平及以上：适合需要更细致比较的因素，但会显著增加设计复杂度和试验次数。
• 混合水平：当不同因素天然水平数不同，例如某因素只有两档、另一因素有三档时，可考虑混合水平正交表或经过合理改造的设计。

如果某个因素的水平只是名义类别，例如不同处理方式、不同流程路径，应确保各水平之间具有可比性。若类别差异过大，结果可能反映的是“方案差异”，而不是单一因素作用。

用户关注点三：用自由度初筛正交表是否够用

自由度是选择正交表时最基础的判断工具。简单理解，因素和交互作用都需要占用一定的信息空间，正交表必须提供足够的列和自由度，才能支持分析。

主效应自由度一般可按“水平数减一”估算。例如，一个三水平因素占用两个自由度，一个两水平因素占用一个自由度。若考虑两个因素之间的交互作用，其自由度通常为两个因素主效应自由度的乘积。

在选表时，可按以下步骤判断：

1. 列出所有拟研究因素及其水平数。
2. 计算每个因素的主效应自由度。
3. 列出必须考察的交互作用，并估算其自由度。
4. 预留误差自由度，尤其是需要显著性检验时。
5. 选择总自由度不小于需求、列数能合理分配的正交表。

需要注意，自由度够用并不等于设计一定合理。还要看各因素是否能分配到合适列位，交互作用是否与主效应混杂，是否有足够重复或误差来源用于判断随机波动。

用户关注点四：交互作用不能全放，也不能完全忽略

交互作用是指一个因素的影响会随另一个因素水平变化而变化。例如温度变化的效果可能取决于时间设置，原料比例的影响可能取决于搅拌条件。若交互作用明显，而设计中没有安排，主效应结论可能被误导。

但在实际试验中，交互作用数量会快速增加。如果所有两两交互都纳入设计，试验规模往往难以承受。因此，交互作用应基于机理和经验进行筛选。

可以优先关注以下类型：

• 物理或化学机理上可能耦合的因素：例如温度与时间、压力与流量、浓度与反应条件。
• 操作上存在联动的因素：一个因素变化会改变另一个因素实际效果。
• 历史数据中表现不稳定的组合：同一因素在不同条件下效果方向不同。
• 关键质量指标敏感的因素组合：即使单个因素影响不大，组合变化可能影响最终结果。

如果只是早期筛选，通常可先重点分析主效应，少量保留最有可能的交互作用；如果用于关键工艺确定，则应对核心交互作用进行列分配或后续验证。

正交表怎么选：一个实用判断框架

选择正交试验设计表时，可以把问题拆成“水平结构、因素数量、交互作用、误差估计、资源约束”五个方面。

等水平与混合水平：不要为了套表随意改水平

当所有因素水平数相同，例如全部为三水平，可以优先考虑对应的等水平正交表。这样设计结构清晰，后续极差分析和方差分析也更直观。

当因素水平数不同，例如部分因素只有两种可行状态，另一些因素有三个或更多水平，就要考虑混合水平设计。此时不建议为了套用某张常见表，强行把两水平因素扩展为三水平，或把三水平因素压缩为两水平。这样虽然表面上方便，但可能损失信息或引入无意义条件。

如果没有合适的混合水平正交表，可考虑以下处理方式：

• 重新审视水平设置，确认是否确实需要不同水平数。
• 将研究分为筛选阶段和优化阶段，先用较少水平筛选重要因素。
• 在专业统计工具中构建设计，并检查别名关系和可估计效应。
• 对关键因素单独追加试验，补充正交设计难以覆盖的信息。

可能影响：选表不当会让结果“看起来完整、实际不稳”

正交试验的结果常通过极差、均值趋势或方差分析来解释。如果选表不当，常见影响包括以下几类。

• 主效应混杂：某个因素的效果可能掺入交互作用影响，导致排序失真。
• 误差无法估计：没有重复或空列时，难以判断差异是因素作用还是随机波动。
• 水平趋势误判：水平设置不合理，可能把局部波动误认为最优条件。
• 结论外推过度：正交试验只能支持所设水平范围内的判断，不宜直接推断到更宽条件。
• 验证失败：推荐组合虽然在分析中表现较好，但实际复验不稳定，说明设计或过程控制可能存在问题。

因此，正交试验完成后，通常还需要进行验证试验。验证试验不是形式步骤，而是确认推荐组合是否具有可重复性和实际可用性的重要环节。

后续观察：从单次优化走向分阶段试验

在实际应用中，正交试验越来越多地与预试验、响应面方法、稳健设计和过程监控结合使用。正交设计适合在有限资源下快速识别主要因素，但并不总是适合完成所有优化任务。

后续值得关注的方向包括：

• 分阶段设计：先筛选重要因素，再对关键因素做精细优化。
• 交互作用验证：对机理上重要或数据中异常的组合进行补充试验。
• 重复与随机化：通过合理重复、随机试验顺序降低系统误差影响。
• 多指标权衡：当存在效率、质量、成本、稳定性等多个指标时，需要明确综合评价规则。
• 现场条件校验：实验室最优条件不一定等同于生产或真实场景最优条件。

简要结论：选正交表应先问清五个问题

正交试验设计表的选择，不是简单查表填因素，而是围绕研究目标进行取舍。较稳妥的做法，是先明确因素和水平，再计算自由度，随后判断交互作用和误差估计，最后结合试验资源选择合适的表。

实务中可记住五个问题：因素是否真正可控？水平是否有区分度？自由度是否够用？交互作用是否必须考察？结果是否能通过验证试验复现？

如果这些问题没有回答清楚，即使使用了标准正交表，结论也可能不稳定。反之，只要设计逻辑清晰、取舍透明、验证充分，正交试验就能在有限试验次数下提供有价值的决策依据。