1.简单了解正交实验设计
简单理解正交实验应该是不难的，其实只需要看下面的第二个链接的ppt就可以对正交实验有一个很好的了解了，然后对于spss实战其实只需要看第五个链接中的论文就可以很好地掌握了。其他几个链接可以在看完第二个和第五个链接后简单看一下，这样子基本就可以理解正交实验了，然后使用spss也可以很容易的做基于正交实验的方差分析。不过我自己看完后对于其中的空白列设置抱有疑问，后来经过思考和查询终于有一些理解了，可以看本博文的第二部分。
简单接触正交实验设计
很好地介绍了正交实验设计
如何理解空白列
spss做正交实验方差分析
一篇写的不错的介绍文章
2.关于空白列的理解
正交实验有点难理解的是空白列的设置，我们都知道如果要用正交实验的结果来做方差分析，要么留有空白列，要么做重复测量，做重复测量很容易理解，因为重复测量可以得到组内变异，有了组内变异，也就是得到了随机误差后，我们就可以判断出某个因素两个水平间的差异究竟是这个因素不同水平造成的还是随机误差造成的了。
那么首先，我们可以很自然的想到留有空白列的目的当然也是想要得到随机误差，也就是组内变异，那么为什么留有空白列就可以做到这一点呢？下面以本博文第一部分的链接一中的例子来说明。
对于上图的正交实验，在进行方差分析时，比方说我们要做加水量对含量是否有显著的影响，那么其实我们是控制住煎煮时间、煎煮次数来分析不同加水量时含量是否有显著性差异；类似的，研究煎煮时间对含量是否有显著影响时，其实是控制住加水量和煎煮次数来分析不同煎煮时间时含量是否有显著性差异。对煎煮次数对含量的影响的分析也是一样的。那么有一个空列时，类似于上述的分析，我们研究空列对含量是否有显著的影响时就是控制住加水量、煎煮时间、煎煮次数，然后分析空列的不同水平时含量是否有显著性差异，而注意到这时是空列，因此实际上这时的分析便可以得到的是随机误差（因为控制住了加水量、煎煮时间、煎煮次数，因此空列对含量的影响也就是随机误差了）。其实也可以从回归的角度来理解，也就是含量（因变量）减去前三个自变量的影响后，剩下也就是残差了，也就是组内变异。 那么这样带有空列实际上也就可以估计出随机误差，也就是组内变异，进而可以进行方差分析了。所以在实际实验或后续的数据分析时，空列是不用管的，不需要做实验，也不需要把空列放到方差分析的模型中去，在写报告时就按照正交表填1,2，3就行，就像上图一样。当然这是一种通俗的解释，我个人认为内在的数学原理的关键在于*度 ，当正交表全部填满时，*度就不够了，也就无法计算出随机误差了，有空列时，实际上就是减少了一个因素，那么也就可以进行随机误差的估计了，当然这也只是我的感觉，没有经过理论推导，如有哪里有问题或错误或补充还请大佬指出，将十分感谢！