1、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”，即可。分析可以使用SPSSAU【实验/医学研究】--【极差分析】。
2、则选择Data--Orthogonal\x0d\x0aDesign--generate，弹出的就是正交设计窗口：\x0d\x0aFactor name框：输入A：单击ADD钮：单击Define\x0d\x0avalue钮：分别在Value列的头三行输入2和3，单击continue钮，这样就定义好了变量A。按类似的方法定义好变量B的2个水平。
3、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。
4、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。
5、如果还不行就只能用非参数的单因素分析。如果非要进行方差分析则需要把means±SD范围外的数据剔除。
6、无法判定是否需要正向化怎么办？我们可以预先进行一次因子分析，使用上面表格中的数据，进行一次因素分析，并进行正交旋转。旋转后的成分矩阵，如图所示：我们看到权重最大的因子是成分1，5--7变量为负数，且绝对值很大，所以这三个变量有必要进行正向化。
存在多个实验因素，每个因素有多个难以确定的水平，设计全面实验法工作量太大，且数据不易统计的情况下，可采用正交法。正交试验法又叫正交设计，也叫多因素正交选优法，简称正交法。用正交安排实验，具有试验均衡分散，数据计算简单，水平整齐可比等优点。
正交设计通常侧重于部分因子实验，当因子众多时，交互作用可能会变得复杂。它的优点在于易于理解，即使非专业人员也能轻易解读实验结果，可以直接观察每个因子水平的影响，但较少进行回归分析。正交试验法倾向于使用波动贡献率来替代p值，通过小型验证试验来优化，以达到满意的性能或接近最佳状态。
可对所得结论和进一步的研究方向进行讨论。从表 3 所列 9 次实验数据中进行两两比较是不行的，因为它们的实验条件完全不同，没有可比性。然而，把这 9 次实验结果适当组合起来就具有一定的可比性，这就是正交设计的综合比较性。
两因素，四水平的正交实验需设计的次数应该是16次。在设计时应注意1：任何一个供试因子的任一水平都与其他因子的任一水平遇到一起的机会，并且遇到一起的次数是相等的，这是其均衡搭配性。2：同一个因子的任一水平在部分实施的处理组合中的次数是相等的，这是其整齐可比性。
第5至9章进一步探讨了更高级的试验设计方法，如优选法、正交设计、均匀设计、回归正交设计和配方试验设计，这些内容对于优化实验过程和提高效率具有重要意义。最后，第10章重点介绍了Excel在试验数据分析中的强大功能，它是一个实用的工具，能帮助读者轻松处理和分析实验数据，为数据驱动的决策提供有力支持。
实验设计大致可以分为四种类型：析因设计、区组设计、回归设计和均匀设计。析因设计又分为全面实施法和部分实施法。六西格玛工具之7——容差设计 容差设计（Tolerance Design）在完成系统设计和由参数设计确定了可控因素的最佳水平组合后进行，此时各元件（参数）的质量等级较低，参数波动范围较宽。
本书深入探讨了实验设计与数据挖掘技术的六个核心内容。首先，章节一介绍了全面实验法、多次单因素实验法和正交试验设计法，详细阐述了均匀设计的特点，包括其实验方案的构建方法和灵活的拟水平技巧，以及均匀设计与正交设计的联系。
首先，我们探讨第一章——实验设计和均匀设计。这一章节涵盖了实验设计的基本原理，包括实验的因素及其不同水平的设定（2节），主要效应和交互关系的分析（3节），以及全面实验和交互效应的处理（4节）。
通常讲的试验设计主要指狭义的试验设计。合理的试验设计能控制和降低试验误差，提高试验的精确性，为统计分析获得试验处理效应和试验误差的无偏估计提供必要的数据。食品试验研究中常用的试验设计方法有完全随机设计、随机区组设计、正交设计、均匀设计、回归正交设计和混料设计等。
