试验设计中，传统的因子散度效应(dispersion effects)的估计和鉴别方法需要在各试验点重复试验下进行．但实际问题中，由于试验的经费，试验条件等限制，不能进行重复试验．在无重复试验情形下，如何估计和鉴别散度效应成为近年来研究的热点．无重复的试验下，各试验点的方差σ<,i>没有直接的估计，因此，散度效应的估计和鉴别就变得困难． 有重复的试验下，散度效应的估计和鉴别方法主要是Bartlett和Kendall(1946)提出的以各试验点样本方差的对数为响应变量对各因子建立回归模型，通过最小二乘法得到散度效应的估计，再用半正态图方法鉴别出显著的效应．如果模型已确定，也可以使用极大似然法或约束极大似然法来估计散度效应． 无重复试验下，散度效应估计和鉴别方法有Box和Meyer(1986)(BM方法)，Berg-man和Hynen(1997)(BH方法)．这类方法是基于待估散度因子对应正负水平残差平方的算术平均的比来作为散度效应的估计．Brenneman和Nair(2001)文中证明这类方法有严重的结构性偏差．另一类是基于待估因子对应的正负水平的残差平方的对数的算术平均(相当于残差的几何平均的对数)比来估计散度效应的方法．相关的研究有Harvey(1976)(称为H方法)，Brenneman和Nair(2001)(称为MH方法)．Brenneman和Nair(2001)系统地研究各估计方法的性质，通过模拟实验比较证明了MH方法在MSE的意义下优于其他方法．但是当位置效应模型拟合后得到的残差绝对值很小时，对残差的平方取对数会变得很大，得到的散度效应的估计会很不可靠：特别是当残差为零时，无法直接对残差平方取对数，MH方法不再适用． 本文根据残差平方分布的性质，对MH方法作了修正，提出一种新的方法．该方法是先对残差平方加上一个大于零的修正项，然后取对数再估计散度效应．这种校正可以减小各实验点方差估计的偏度，同时避免了直接对绝对值很小或为零的残差平方取对数的情形． 本文方法我们称为校正MH方法，以下记为CMH方法．模拟实验表明CMH方法在MSE准则下对绝大多数模型优于MH方法．模拟实验中数据也表明，如果采用迭代的CMH估计(ICMH方法)，可以再进一步减小估计的偏度，在MSE准则下更优．最后，用本文方法对著名的Montgomew(1990)的注射铸模试验进行了实例分析．