在因子试验分析中,如何正确鉴别和估计位置效应和散度效应至关重要.在完全数据(即试验的观测值无截尾数据)情形下,因子位置效应的鉴别和估计方法是传统试验设计的主要研究内容;而对于因子的散度效应鉴别,传统方法需要在固定因子水平组合下作若干次重复试验.对于无重复因子试验情形的散度效应分析,由于不能直接使用传统方法进行分析,因此成为近几年来的研究热点.Brenneman和Nair(2001)在总结了许多学者工作的基础上,给出了一种散度效应的估计方法(MH方法),并用模拟试验说明了其方法优于其他方法.但对带有截尾数据的无重复因子试验条件下的位置效应和散度效应的分析,文献中研究很少.Hamada和Wu(1991)给出了此条件下鉴别和估计位置效应的迭代算法,但由于其模型假定各试验点同方差,因此不能分析散度效应.该文考虑试验点是异方差的模型,在Hamada和Wu(1991)位置效应分析方法的基础上,将Brenneman和Nair(2001)散度效应分析的MH方法融入其中,对带有截尾数据的无重复因子试验给出了模型选择以及同时估计位置效应和散度效应的迭代算法,改进了Hamada和Wu的方法.模拟结果表明该方法可行,且在均方误差(MSE)意义下,位置效应的估计精度优于Hamada和Wu(1991)方法.最后用此算法对Hamada和Wu(1991)文中的实例进行了进一步分析.