【摘要】通过描述试验设计与数据处理的几种重要分析方法，以及正交试验设计的在试验过程中的应用，来阐述本门课程对于应用化学专业所起的重要作用，并分析本门课程与应用化学专业中其他课程之间的联系，再次凸显出本门课程的重要性。
【关键词】试验设计；数据处理；分析方法；应用化学；作用【中图分类号】G424 【文献标识码】B【文章编号】2095-3089（2012）21-0043-01
1引言
试验设计与数据处理是统计学的一个重要分支，它是以概率论、数理统计、线性代数和实践经验为基础，进行研究经济、科学地安排试验方案，并对所得试验数据进行分析，从而达到减少试验次数、迅速找到最优试验方案或数学模型、提高试验效率的实用性课程。它又是一种广泛应用于工农业生产和科学研究过程中的普遍使用的科学计算方法，是产品设计质量管理和科学研究的重要工具。其目的是培养学生准确、快速确定试验方案，加强数据分析的能力。到目前为止，该学科经历了80多年的研究和实践，已成为广大技术人员和科学工作者必备的基础理论知识[1]。
2试验设计与数据处理中的几种重要分析方法
在试验设计分析方法中误差分析、方差分析和回归分析是最主要的三种分析方法。
在试验过程中由于试验仪器精密度的限制，试验方法的不完善，科研人员人事能力的不足和科学水平的限制等方面，在试验中获得的试验数值与它的客观真实性并不一致，这种矛盾在数值上表现即为误差[1]。试验结果都具有误差，误差自始自终存在于一切科学试验过程中，因此为了保证试验最终结果的准确性，就必须对原始数据可靠地进行客观评定，也就是需要对试验数据进行误差分析。通过误差分析，我们可以剔除试验结果中的一些偏差较大的数据，以提高试验结果的准确度。
方差分析是一种非常实用、有效的统计检验方法，能用于检验试验过程中，有关因素对试验结果的影响的显著性[1]。例如，研究壳聚糖复合粉煤灰处理印染废水的试验，在反应时间、反应温度、pH值等这些因素都相同的情况下，想探索壳聚糖和粉煤灰的不同配比对处理印染废水的效果的是有显著影响，并从中挑选出一个最合适的配比，这就需要进行方差分析。所以，方差分析实质上是研究自变量与因变量的相互关系。其目的是检验自变量因素是否对试验结果有显著影响。方差分析的基本思想：将总的方差分解为各个方差，把由于各种因素引起的效应（如化学助剂的效应）和偶然因素引起的试验误差分开，然后利用显著性检验法进行分析判断，作出合适的结论。方差分析是建立在显著性检验的基础上，因此，有一个显著性水平问题，也就是说要用多大的可靠性作出判断，是95%，还是99%，这就是显著性水平[2]。
回归分析是一种处理变量之间相关关系最常用的统计方法，用它可以寻找隐藏在随机性后面的统计规律。确定回归方程，检验回归方程的可信性等是回归分析的主要内容。回归分析安因素个数与试验指标之间的相关关系可分为一元回归分析和多元回归分析。通过回归分析我们就可以确定试验中自变量因素与因变量因素之间的相互关系，并且能得到他们之间相关性的可信度[1]。
3对于应用化学专业的作用
试验设计与数据处理在各个科学领域的试验研究中起着非常重要的作用。对于应用化学这个实践性很强的学科专业，不管是在进行验证试验、或者科研创新试验都经常需要通过试验来优化工艺条件，得到变化规律，并通过对规律的研究分析，以达到高效、优质、高产、低耗等目的。在进行优化工艺条件研究新品种解决新问题的试验过程中，未知的工艺操作因素、人为因素特别多。因此，需要通过大量的试验来探索工艺条件或配方。这就要求试验者在试验之前除了应对所研究的问题有一个深入的认识外，还要选择出合理的试验设计方案。
学会科学的使用试验设计方法进行设计试验，一方面可以减少试验过程的盲目性，在较短的时间内达到预期的试验目的，使试验过程变得更有计划；另一方面还可以从众多的试验方案中，按一定规律挑选出少数试验，使试验次数尽可能少，达到事半功倍[3]。试验设计与数据处理这门课程中的第五章优选法和第六章正交试验设计，这两章里面所介绍的方法就很好的帮助我们设计出合理的试验。特别是第六章正交试验设计，就很好的解决了我们在需要考虑较多因素，且因素的水平多于两个的试验设计问题。举个例子，比如我们需要考察一个3因素3水平的试验中这三个因素对试验影响的主次顺序，以及确定出一个最优的试验条件，若在每个因素的每个水平搭配上只作一次试验，在没有试用正交试验设计的情况下，我们就要做33=27次试验。如果是4因素4水平的实验，那需要进行的试验次数至少为44=256次，随着因素的个数的增加或者因数水平数的增加，试验次数将增长的更快，因此要完成试验的时间也就不断地延长。如果我们采用正交试验设计，对于上述的3因数3水平的试验，我们可以采取使用正交表L9（34），也就是只需要进行9次试验。对于4因素4水平的试验，可以采用L16（45）的正交试验设计表，这样也就意味这只要做16次试验。相比之下，采用正交试验设计的次数成倍减少。因此，掌握正交试验设计的方法对我们来说极为重要。
然而合理的试验设计只是试验成功的充分条件，如果没有科学的试验数据的分析处理，就无法对所研究的问题有一个明确的认识，也无法从试验数据中找到规律性的信息。因此要达到预期的试验目的，数据的分析处理也就必不可少的。本课程中的几种重要的分析方法就对试验数据进行很好的分析处理，虽然有些方法（比如方差分析、回归分析）如果采用笔算的形式，计算量大，确实有点繁琐，但随着现代计算机技术的发展，出现了各种针对试验设计和数据处理的软件，典型的软件有 Excel、Origin、正交设计助手、SPSS、DPS等软件，这些软件正好弥补上述的问题，使试验数据的分析计算不在繁琐，大大节省了人力、物力和财力，也增加试验分析结果的准确度，同时也促进了试验设计与数据处理这门学科的快速发展和普及。
另外，通过试验设计及数据处理这两个学习环节的实践，对培养学生的各方面综合能力是非常重要的。首先试验方案的自主设计，可以激发学生对学习兴趣，培养学生的探索精神、创新思维和用试验方法解决问题的能力；其次，通过对试验数据做科学的处理，并找出其中的规律，有助于学生加深对科学概念、原理和规律的理解。因此这门课程的学习不仅仅是完成本课程的教学目标，它还可以提高学生的综合能力，对其它课程的教学甚至对毕业论文质量的提高也起到促进作用。
4试验设计与数据处理与其他课程的联系
试验设计与数据处理这门课程对整个应用化学专业的教学体系中与其他的课程有着密不可分联系。从大一到现在做的试验：无机化学试验、分析化学试验、有机化学试验、仪器分析化学试验、生物化学试验、化工原理试验等。其中有一部分是定性的试验，一部分是定量的试验。对于定量试验，每次做完试验，得到的数据都需进行数据处理并加以分析才能得到结论。对于定性试验，得到的试验现象也需我们加以分析对比，才能对我们所完成的试验有一个较好的定性。对于课程设计、毕业设计、毕业论文和科研立项等就要求我们自主设计试验，这就要求我们懂得使用正交试验设计，来寻找出最优的试验方案。因此，试验设计与数据处理这门课程对我们应用化学专业有着不可或缺的作用。这门课程中涉及到对试验数据结果的统计处理部分就与大二学的概率论有着密切的关系。此外，数据分析有着巨大的工作量，需要借助相关软件来完成，这些都与计算机应用能力相挂钩。课本中列举的大量例子，很多有需要给基于我们所学的化学化工基础课程的理论的理解[4]。
5总结
试验设计与数据处理这门课程在我们应用化学专业有着不可或缺的重要作用，它有助于我们更科学地进行试验，缩短试验次数、试验时间，大大节省了资源、人力、财力。为我们以后课程设计、毕业试验、创新课题以及以后工作奠定了一定的基础。
参考文献
[1]李云雁，胡传荣，试验设计与数据处理[M].北京：化学工业出版社，2008.
[2]李俊玲，宗华，张燕，谷军.方差分析在化学助剂评价中的应用[J].理化检验（化学分册），2005，41（1）：21-25.
[3]李延伟，姚金环.浅谈化学化工专业试验设计与数据处理课程教学方法[J].广东化工， 2008，35（8）：176-178.
[4]林立，熊文高，尹志芳，聂伟安，雷存喜.“试验设计与数据处理”课程教学的思考[J].广州化工， 2009，37（9）：238-239.