自从Taguchi和Wu(1980)提出产品和生产过程中变差减小和质量改进的重要性，此问题受到了广泛的关注.尤其是Taguchi(1986)提出的稳健参数设计思想引起了许多学者对散度效应研究的浓厚兴趣.在试验设计中，因析试验被用作位置和散度效应建模，寻找最优的因子水平组合，使得系统的性能对于噪声的变化是稳健的。因此，因析试验中散度效应的分析成为近年来的一个研究热点。　　在传统的位置和散度效应分析中要求重复，但是这样将导致大量的试验次数和费用，所以无重复试验中位置和散度的估计和鉴别得到了更多的关注.近年来，人们提出了无重复因析试验中研究散度效应的多种方法，尤其是Brenneman和Nair(2001)的综述文章中系统的研究了常用的各种散度效应估计和识别的方法，通过模拟试验表明从MSE的角度考虑MH方法优于其它方法，然而当拟合位置模型的残差的绝对值很小时，残差平方取对数就很大，得到的估计会不可靠，特别是残差为0时，无法直接对残差平方取对数，MH方法不再适用.基于此问题，张星等(2007)提出给残差平方加一个大于零的修正项，再取对数去估计散度效应，此方法被称为AMH方法，且通过模拟试验证明了AMH方法优于MH方法，但是没有给出理论研究。　　本文中我们给出了AMH估计的无偏性证明和它的方差下界，同时又提出了一个D估计方法，其主要思想仍然是对拟合扩展位置模型得到的残差平方加上一个大于零的修正项，而得到一个新的残差平方，然后用新的残差代替MH方法中的残差，但与AMH估计的区别是因子k的估计是基于与它有关的三元组中的另两个的交互效应，然后做所有三元组估计的平均，同时对BH方法，MH方法，AMH方法与D方法做了模拟比较。