常用实验设计方法

关于常用实验设计方法第一页，共六十七页，2022年，8月28日医学研究中常用的实验设计方法有：

1.完全随机设计2.配对设计3.配伍组设计4.交叉设计5.析因试验设计6.拉丁方设计7.正交试验设计

8.均匀设计常用实验设计方法第二页，共六十七页，2022年，8月28日完全随机设计是根据试验处理数将全部受试对象随机地分成若干组，然后再按组实施不同处理的设计。这种设计保证每个受试对象都有相同机会接受任何一种处理，而不受试验人员主观倾向的影响。在医学研究等试验中，当试验条件特别是受试对象的初始条件比较一致时，可采用完全随机设计。这种设计应用了重复和随机两个原则，因此能使试验结果受非处理因素的影响基本一致，真实反映出试验的处理效应。常用实验设计方法完全随机设计（completelyrandomdesign）

：第三页，共六十七页，2022年，8月28日不考虑个体差异的影响，仅涉及一个处理因素，但可以有两个或多个水平，故亦称单因素实验设计。该设计常用于将受试对象按随机化原则分配到处理组和对照组中，各组样本例数可以相等，也可以不等，但相等时效率高。优点：设计和统计分析方法简单易行；缺点：只分析一个因素，不考虑个体间的差异，因而要求各观察单位要有较好的同质性，否则，需扩大样本含量。常用实验设计方法完全随机设计（completelyrandomdesign）

：第四页，共六十七页，2022年，8月28日设计方法先将实验对象编号，按预先规定，利用随机排列表（或随机数字表）的随机数字将实验对象随机分配到各组中去（用随机排列表进行分组时，各组例数相等；用随机数字表进行分组时，各组例数常不相等，故常用前者）。例：按完全随机设计方法将10只小鼠随机分配到甲、乙两组。常用实验设计方法完全随机设计（completelyrandomdesign）

：第五页，共六十七页，2022年，8月28日

二、试验结果的统计分析

对于完全随机试验的统计分析，由于试验处理数不同，统计分析方法也不同。

（一）处理数为2

两个处理的完全随机设计也就是非配对设计，对其试验结果采用非配对设计的t检验法进行统计分析。完全随机设计（completelyrandomdesign）

：常用实验设计方法第六页，共六十七页，2022年，8月28日

（二）处理数大于2

若获得的资料各处理重复数相等，则采用各处理重复数相等的单因素试验资料方差分析法分析；若在试验中，因受到条件的限制或受试动物出现疾病、死亡，或病人中途退出等使获得的资料各处理重复数不等，则采用各处理重复数不等的单因素试验资料方差分析法分析。完全随机设计的优缺点

完全随机设计是一种最简单的设计方法，主要优缺点如下：完全随机设计的主要优点

1、设计容易

处理数与重复数都不受限制，适用于试验条件、环境、试验动物差异较小的试验。完全随机设计（completelyrandomdesign）

：常用实验设计方法第七页，共六十七页，2022年，8月28日

2、统计分析简单

无论所获得的试验资料各处理重复数相同与否，都可采用t检验或方差分析法进行统计分析。

（二）完全随机设计的主要缺点

1、由于未考虑非试验因素的影响，将其归入试验误差，试验误差较大，试验的精确性较低。

2、在试验条件、环境、试验动物差异较大时，不宜采用此种设计方法。常用实验设计方法完全随机设计（completelyrandomdesign）

：第八页，共六十七页，2022年，8月28日将受试对象按配对条件配成对子，再按随机化原则把每对中的两个个体分别分配到实验组或对照组。常用于动物实验。配对条件：一般以主要的非实验因素作为配比条件。动物实验中，常将同性别、同窝别、体重相近的两个动物配成一对；人群试验中，常将性别和年龄、生活条件、工作条件相同或相近的两个人配成对子。某些医学实验研究中的自身对照也可看作是配对设计，如某指标治疗前后的比较（平行样本）；同一受试对象不同部位、不同器官的比较；同一标本不同检测方法的比较。配对设计（paireddesign）：常用实验设计方法第九页，共六十七页，2022年，8月28日设计方法例试将已配成10对的20只小鼠随机分配到甲、乙两组。先将小鼠编号，如第一对第一受试者编号为1.1，第二受试者编号为1.2，余仿此。再从随机排列表中随机指定某行，例如第6行，依次将0~9之间的随机数字录于受试者编号下，舍去10~19之间的数字，并规定随机数字为奇数时取甲乙顺序，偶数时取乙甲顺序。常用实验设计方法配对设计（paireddesign）：第十页，共六十七页，2022年，8月28日分组结果

甲组：1.2、2.2、3.1、4.2、5.1、6.2、7.1、

8.2、9.1、10.1

乙组：1.1、2.1、3.2、4.1、5.2、6.1、7.2、

8.1、9.2、10.2设计方法常用实验设计方法配对设计（paireddesign）：第十一页，共六十七页，2022年，8月28日

配对设计（paireddesign）

：第十二页，共六十七页，2022年，8月28日配对设计是处理数为2的随机区组设计。其优点是结果分析简单，试验误差通常比非配对设计小，但由于试验对象配对要求严格，不允许将不满足配对要求的试验对象随意配对。常用实验设计方法配对设计（paireddesign）：第十三页，共六十七页，2022年，8月28日相当于配对的扩展，即将几个受试对象按一定条件配成区组，再将每一区组的受试对象随机分配到各个处理组中。随机区组设计(randomizedblockdesign)

A接受甲处理实验对象→配成区组→随机分配区组中

B接受乙处理

C接受丙处理

D接受丁处理常用实验设计方法第十四页，共六十七页，2022年，8月28日随机区组设计(randomizedblockdesign)根据局部控制的原则，如将同窝、同性别、体重基本相同的动物划归一个区组，每一区组内的动物数等于处理数，并将各区组的试验动物随机分配到各处理组，这种设计称为随机区组设计。常用实验设计方法第十五页，共六十七页，2022年，8月28日设计方法例按体重和年龄为配比条件将12只雌性小鼠配成4个区组，试对每个区组内的3只小鼠随机分配，分别给予甲、乙、丙3种饲料。常用实验设计方法随机区组设计(randomizedblockdesign)第十六页，共六十七页，2022年，8月28日设计方法先给动物编号：第1配伍组为1~3号，第2配伍组为4~6号，第3配伍组为7~9号，第4配伍组为10~12号；再从随机排列表中，任意指定连续的4行，如第12~15行，每行只取随机数字1~3，其余舍去，依次列于各配伍组的受试者编号下，并规定随机数字为1的小鼠喂以甲饲料，为2的小鼠喂以乙饲料，为3的小鼠喂以丙饲料。分配结果如下：随机区组设计(randomizedblockdesign)第十七页，共六十七页，2022年，8月28日随机区组设计的优缺点

（一）随机区组设计的主要优点

1、设计与分析方法简单易行。2、在对试验结果进行分析时，能将单位组间的变异从试验误差中分离出来，有效地降低了试验误差，因而试验的精确性较高。3、把条件一致的受试动物分在同一区组，再将同一区组的受试动物随机分配到不同处理组内，加大了处理组之间的可比性。常用实验设计方法随机区组设计(randomizedblockdesign)第十八页，共六十七页，2022年，8月28日

（二）随机区组设计的主要缺点

当处理数目过多时，各区组内的受试动物数数目也过多，要使各单位组内受试动物的初始条件一致将有一定难度，因而在随机区组设计中，处理数以不超过20为宜。配对与配伍组设计是按配比条件配对或配伍，考虑了个体差异的影响，可分析处理因素和个体差异对实验效应的影响，所以又称两因素实验设计，比完全随机设计的检验效率高；可减少样本含量。常用实验设计方法随机区组设计(randomizedblockdesign)第十九页，共六十七页，2022年，8月28日

常用实验设计方法交叉设计（cross-overdesign）第二十页，共六十七页，2022年，8月28日

设计方法先将条件相近的观察对象配对并编号（如1.1，1.2；2.1，2.2；3.1，3.2…或1,2；3,4；5,6；…），再用随机分组方法将各对对象分配到A、B两组；其中一个观察对象在第Ⅰ阶段接受A处理，第Ⅱ阶段接受B处理；另一个观察对象在第Ⅰ阶段接受B处理，第Ⅱ阶段接受A处理。要求观察对象的例数为偶数。A、B两种处理在全部试验过程中“交叉”进行，故称交叉试验设计。该设计中A、B处理方式处于先后2个试验阶段的机会均等，因而平衡了试验顺序的影响，能把处理方法间的差别与时间先后间的差别分开来分析。交叉设计（cross-overdesign）第二十一页，共六十七页，2022年，8月28日

设计方法例某研究者欲通过12只大白鼠研究A、B两种参数电针刺激后痛域值上升情况，同时还考虑了个体差异与A、B顺序对痛域值的影响。试作交叉设计。设计如下：先将12只大白鼠按条件相近者配对并依次编号（1.1,1.2；2.1,2.2；3.1,3.2；…或1,2；3,4；5,6…），再任意指定随机数字表中的任一行（如第6行），并规定随机数字为奇数时，对子中的单号观察单位先用A后用B，双号观察单位先用B后用A；随机数字为偶数时，对子中的单号观察单位先用B后用A，双号观察单位先用A后用B。交叉设计（cross-overdesign）第二十二页，共六十七页，2022年，8月28日

设计方法

分组结果：1、4、5、8、9、11号大白鼠用药顺序是AB

，

2、3、6、7、10、12号大白鼠用药顺序是BA。交叉设计（cross-overdesign）第二十三页，共六十七页，2022年，8月28日

交叉设计（cross-overdesign）

设计方法第二十四页，共六十七页，2022年，8月28日

统计分析方法交叉设计（cross-overdesign）第二十五页，共六十七页，2022年，8月28日

统计分析方法交叉设计（cross-overdesign）第二十六页，共六十七页，2022年，8月28日

统计分析方法交叉设计（cross-overdesign）第二十七页，共六十七页，2022年，8月28日是在自身配对设计基础上发展起来的，该设计考虑了1个处理因素（A、B两水平），2个与处理因素无交互作用的非处理因素（试验阶段和受试对象）对试验结果的影响。优点：①具备自身配对设计的全部优点，如减少个体间的差异，减少样本含量；②能控制时间因素（试验阶段）对处理因素的影响，因而优于自身对照设计；③各试验对象均接受了试验因素和对照，符合医德要求。优缺点交叉设计（cross-overdesign）第二十八页，共六十七页，2022年，8月28日适用条件及应注意的问题1.处理因素只有2水平（A、B），且两个非处理因素（试验阶段、受试对象）与处理因素间无交互作用。2.要求两阶段间须有一定间隔时间，以消除前阶段治疗措施的残留效应，保证两阶段的起始条件一致；间隔时间的长短可参照药典或预试验中药物在血清中的衰减速度；3.两次观察的时间不能过长，处理效应不能持续过久；4.适用于病情较稳定、病程可以分阶段、短期治疗可见疗效的疾病；5.为消除患者的心理作用或防止研究者的暗示，一般多采用盲法。交叉设计（cross-overdesign）第二十九页，共六十七页，2022年，8月28日是一种将两个或多个因素的各水平交叉分组，进行实验（或试验）的设计。不仅可以检验各因素内部不同水平间有无差异，还可检验两个或多个因素间是否存在交互作用。若因素间存在交互作用，表示各因素不是独立的，一个因素的水平发生变化，会影响其它因素的实验效应；反之，若因素间不存在交互作用，表示各因素是独立的，任一因素的水平发生变化，不会影响其它因素的实验效应。析因实验设计（factorialexperimentaldesign）常用实验设计方法第三十页，共六十七页，2022年，8月28日设计方法该设计是通过各因素不同水平间的交叉分组进行组合的。因此，总的实验组数等于各因素水平数的乘积。例如，2个因素各有3个水平时，实验组数为3×3=9；4个因素各有2个水平时，实验组数为24=16。所以，应用析因实验设计时，分析的因素数和各因素的水平数不宜过多。一般因素数不超过4，水平数不超过3。常见的设计模型有2×2析因实验设计、2×2×2析因实验设计和2×2×3×2析因实验设计。常用实验设计方法析因实验设计（factorialexperimentaldesign）第三十一页，共六十七页，2022年，8月28日2×2析因设计属两因素析因实验设计，其它的两因素析因实验设计还有2×3，3×3，2×4，3×4等。两因素析因实验设计用于研究A、B

两个因素内部不同水平间有无差异，特别是研究A、B

因素间是否存在交互作用（A×B）的情况。2×2析因设计是指有2个因素，每个因素各有2个水平，共有4个组合。设A1代表

A因素的1水平，A2代表A因素的2水平；设B1代表B因素的1水平，B2代表B因素的2水平。交叉组合后的2×2析因设计模型如下：2×2析因设计：析因实验设计（factorialexperimentaldesign）第三十二页，共六十七页，2022年，8月28日对于2×2析因设计，可分析A1与A2间、B1与B2间有无差别，还可分析A、B因素间是否存在交互作用（A×B）的情况。（A×B为一级交互作用）设计方法2×2析因设计：析因实验设计（factorialexperimentaldesign）第三十三页，共六十七页，2022年，8月28日例

某医师欲研究A、B两药是否有治疗缺铁性贫血的作用，以及两药间是否存在交互作用。用何试验设计可达到研究者的研究目的，并做出设计分组。该研究目的既要分析A、B两药是否有治疗缺铁性贫血的作用，又要分析两药间有无交互作用，可用析因设计。根据题意，设A、B两药有“用”与“不用”2个水平，符合2×2析因设计。用A1、A2和B1、B2分别表示“用”与“不用”A药和B药；按2×2析因设计有4个实验组，分别为A1B1、A1B2、A2B1和A2B2。设计分组如下：设计方法2×2析因设计：析因实验设计（factorialexperimentaldesign）第三十四页，共六十七页，2022年，8月28日考虑到A2B2是空白对照组，应加“一般疗法”。为保证各实验组的均衡性，其它组也应加“一般疗法”。第1组（A1B1）：A药+B药+一般疗法。第2组（A1B2）：A药+一般疗法。第3组（A2B1）：B药+一般疗法。第4组（A2B2）：一般疗法。设计方法2×2析因设计：析因实验设计（factorialexperimentaldesign）第三十五页，共六十七页，2022年，8月28日2×2析因设计实验结构统计分析：析因实验设计（factorialexperimentaldesign）第三十六页，共六十七页，2022年，8月28日2×2析因设计实验结构统计分析：析因实验设计（factorialexperimentaldesign）第三十七页，共六十七页，2022年，8月28日2×2析因设计实验结构统计分析：析因实验设计（factorialexperimentaldesign）第三十八页，共六十七页，2022年，8月28日2×2×2析因设计属三因素析因实验设计，其它的三因素析因实验设计可以是2×2×3，2×3×3，3×3×3等。三因素析因实验设计不仅可研究A、B、C三因素内部不同水平间有无差异，还可研究因素间是否存在一级交互作用（如A×B，A×C，B×C）和二级交互作用（A×B×C）的情况。2×2×2析因设计是指有3个因素，每个因素各有2个水平，共有8个组合。设A1、B1、C1分别代表A、B、C因素的1水平，A2、B2、C2分别代表A、B、C因素的2水平，交叉组合后的2×2×2析因设计模型如下：2×2×2析因设计：析因实验设计（factorialexperimentaldesign）第三十九页，共六十七页，2022年，8月28日设计方法2×2×2析因设计可分析A、B、C因素内部不同水平间有无差别，还可分析是否存在一级或二级交互作用（A×B、A×C、B×C和A×B×C）。2×2×2析因设计：析因实验设计（factorialexperimentaldesign）第四十页，共六十七页，2022年，8月28日例某农科所研究猪的性别和不同饲料（大豆粉中加14%或12%蛋白质，玉米中加与不加0.6%己氨酸）对猪体重增加的影响，用何设计并进行分组。根据研究目的应考虑到猪的性别、饲料对猪体重的影响，还应考虑到因素间可能存在交互作用，宜用析因设计。该研究有三个因素：实验动物猪（雌、雄），大豆粉（加14%蛋白质、加12%蛋白质），玉米（加0.6%己氨酸、不加0.6%己氨酸）；每个因素均有2个水平，符合2×2×2析因实验设计。设计方法2×2×2析因设计：析因实验设计（factorialexperimentaldesign）第四十一页，共六十七页，2022年，8月28日设：A1（母猪）、A2（公猪）

B1（大豆粉+14%蛋白质）、B2（大豆粉+12%蛋白质）

C1（玉米+0.6%己氨酸）、C2（玉米）按2×2×2析因实验设计有8

个实验组，设计分组如下：设计方法2×2×2析因设计：析因实验设计（factorialexperimentaldesign）第四十二页，共六十七页，2022年，8月28日A1B1C1：母猪、大豆粉+14%蛋白质、玉米+0.6%己氨酸A1B1C2：母猪，大豆粉+14%蛋白质，玉米A1B2C1：母猪，大豆粉+12%蛋白质，玉米+0.6%己氨酸A1B2C2：母猪，大豆粉+12%蛋白质，玉米A2B1C1：公猪，大豆粉+14%蛋白质，玉米+0.6%己氨酸A2B1C2：公猪，大豆粉+14%蛋白质，玉米A2B2C1：公猪，大豆粉+12%蛋白质，玉米+0.6%己氨酸A2B2C2：公猪，大豆粉+12%蛋白质，玉米设计方法2×2×2析因设计：析因实验设计（factorialexperimentaldesign）第四十三页，共六十七页，2022年，8月28日2×2×2析因设计统计分析方法：第四十四页，共六十七页，2022年，8月28日

2×2×3×2析因设计属四因素析因实验设计，其它的四因素析因实验设计可根据研究目的而设，如2×2×2×2，…。四因素析因实验设计除研究A、B、C、D四个因素内部不同水平间有无差异外，还可研究因素间是否存在一级交互作用（A×B，A×C，A×D，B×C，B×D，C×D）二级交互作用（A×B×C，A×B×D，A×C×D，B×C×D）三级交互作用（A×B×C×D）。设计方法2×2×3×2析因设计第四十五页，共六十七页，2022年，8月28日2×2×3×2析因设计用于有四个因素，其中三个因素有2个水平，一个因素有3个水平，共有24个组合，其设计模型如下：设计方法2×2×3×2析因设计第四十六页，共六十七页，2022年，8月28日优点析因实验设计是一种高效率的实验设计方法，不仅能够分析各因素内部不同水平间有无差别，还具有分析各种组合（两个或多个因素不同水平间）的交互作用的功能。缺点与正交试验设计相比，属全面试验。因此，研究的因素数与水平数不宜过多。设计方法2×2×3×2析因设计第四十七页，共六十七页，2022年，8月28日

拉丁方设计是从横行和直列两个方向进行双重局部控制，使得横行和直列两向皆成单位组的设计。在拉丁方设计中，每一行或每一列都成为一个完全单位组，而每一处理在每一行或每一列都只出现一次，也就是说，在拉丁方设计中，试验处理数=横行单位组数=直列单位组数=试验处理的重复数。拉丁方设计（Latinsquaredesign）常用实验设计方法第四十八页，共六十七页，2022年，8月28日

在对拉丁方设计试验结果进行统计分析时，由于能将横行、直列二个单位组间的变异从试验误差中分离出来，因而拉丁方设计的试验误差比随机单位组设计小，试验精确性比随机单位组设计高。拉丁方简介

（一）拉丁方

以n个拉丁字母A，B，C……，为元素，列出一个n阶方阵，若这n个拉丁方字母在这n阶方阵的每一行、每一列都出现、且只出现一次，则称该n阶方阵为n×n阶拉丁方。拉丁方设计（Latinsquaredesign）第四十九页，共六十七页，2022年，8月28日例如：

ABBABAAB

为2×2阶拉丁方，2×2阶拉丁方只有这两个。

ABCBCACAB

为3×3阶拉丁方。拉丁方设计（Latinsquaredesign）第五十页，共六十七页，2022年，8月28日

第一行与第一列的拉丁字母按自然顺序排列的拉丁方，叫标准型拉丁方。3×3阶标准型拉丁方只有上面介绍的1种，4×4阶标准型拉丁方有4种，5×5阶标准型拉丁方有56种。若变换标准型的行或列，可得到更多种的拉丁方。在进行拉丁方设计时，可从上述多种拉丁方中随机选择一种；或选择一种标准型，随机改变其行列顺序后再使用。拉丁方设计（Latinsquaredesign）第五十一页，共六十七页，2022年，8月28日

（二）常用拉丁方

在动物试验中，最常用的有3×3，4×4，5×5，6×6阶拉丁方。下面列出部分标准型拉丁方，供进行拉丁方设计时选用。拉丁方设计（Latinsquaredesign）第五十二页，共六十七页，2022年，8月28日拉丁方设计（Latinsquaredesign）第五十三页，共六十七页，2022年，8月28日设计的基本要求必须是3个因素的实验，且3个因素的水平数相等（若3因素的水平数略有不同，应以主要处理因素的水平数为主，其它2因素的水平数可进行适当调整）；三因素间是相互独立的，均无交互作用；各行、列、字母所得实验数据的方差齐。设计方法拉丁方设计（Latinsquaredesign）第五十四页，共六十七页，2022年，8月28日设计步骤根据主要处理因素的水平数，确定基本型拉丁方，并从专业角度使另两个次要因素的水平数与之相同；先将基本型拉丁方随机化，然后按随机化后的拉丁方阵安排实验。可通过对拉丁方的任两列交换位置，或/和任两行交换位置实现随机化；规定行、列、字母所代表的因素与水平，通常用字母表示主要处理因素。设计方法拉丁方设计（Latinsquaredesign）第五十五页，共六十七页，2022年，8月28日例某肿瘤研究所拟通过动物实验研究4种抗癌药物的抑癌作用，同时考虑4个不同剂量、瘤株对抗癌药物的作用。用何实验设计可达此研究目的？（实验过程是用4种瘤株匀浆接种小白鼠，7d后分别用4种抗癌药物，各取4种不同剂量腹腔注射，每日1次，连续10d，停药1d，处死后解剖测瘤重）本研究有3个因素：抗癌药物、剂量和瘤株，各因素皆有四水平，其中抗癌药物为主处理因素；从专业角度已知三因素间无交互作用，用拉丁方设计。其设计步骤如下：设计方法拉丁方设计（Latinsquaredesign）第五十六页，共六十七页，2022年，8月28日1.因三因素均有四个水平，选用4×4基本型拉丁方。2.对4×4基本型拉丁方随机化：设计方法拉丁方设计（Latinsquaredesign）第五十七页，共六十七页，2022年，8月28日3.规定行、列、字母所代表的因素与水平本例规定：“字母”

A、B、C、D

分别代表四种不同的抗癌药物；“列”为瘤株种类，肉瘤180（S180）、肝肉瘤（HS）、艾氏腹水瘤（EC）和网状细胞瘤（ARS）分别以Ⅰ、Ⅱ、Ⅲ、Ⅳ代表；“行”为剂量，以1、2、3、4分别代表由小到大的4个不同剂量；然后按随机化后的拉丁方阵安排实验，其实验设计模型见下表：如第一行第一列为接种S180匀浆的小白鼠注射剂量为1的C抗癌药物；依次类推。设计方法拉丁方设计（La