如何在 R 中创建部分因子设计？

Question

我正在努力使用 R 创建一个相当复杂的部分因子设计。

（见http://en.wikipedia.org/wiki/Fractional_factorial_design ）

我搜索了 Google 和 R-lists，并检查了几个有前途的软件包（AlgDesign、DoE.base、acepack）

但是我没有发现任何东西可以处理具有 8 个因子的部分设计（仅对主效应感兴趣），每个因子具有 3、4、6 或 11 个级别！

任何人都可以指出我正确的方向吗？

谢谢！

Answer 1

我使用包AlgDesign生成部分因子设计：

1. 使用函数gen.factorial()生成全因子设计。
2. 将结果传递给optFederov() - 这将尝试使用 Federov 算法找到最佳分数设计。

以下代码在我的 Windows 笔记本电脑上运行大约需要 3 分钟。 该示例根据您的指定，找到一个近似最优的部分因子设计，其中包含 8 个因子，每个因子具有 3、4、6 或 11 个水平。

请注意，我使用optFederov(..., approximate=TRUE) - 这找到了一个近似解。 在我的机器上，当我设置approximate=FALSE ，代码运行时间过长，Windows 会抛出一个strop。 您可能希望尝试不同的设置。

library(AlgDesign)

levels.design = c(3,4,6,11,3,4,6,11)
f.design <- gen.factorial(levels.design)

fract.design <- optFederov(
        data=f.design,
        nTrials=sum(levels.design),
        approximate=TRUE)

和输出：

head(f.design)

  X1 X2 X3 X4 X5 X6 X7 X8
1 -1 -3 -5 -5 -1 -3 -5 -5
2  0 -3 -5 -5 -1 -3 -5 -5
3  1 -3 -5 -5 -1 -3 -5 -5
4 -1 -1 -5 -5 -1 -3 -5 -5
5  0 -1 -5 -5 -1 -3 -5 -5
6  1 -1 -5 -5 -1 -3 -5 -5


fract.design
$D
[1] 6.813321

$A
[1] 0.375804

$Ge
[1] 0.998

$Dea
[1] 0.998

$design
       Rep.. X1 X2 X3 X4 X5 X6 X7 X8
1          1 -1 -3 -5 -5 -1 -3 -5 -5
10         1 -1  3 -5 -5 -1 -3 -5 -5
...
626475     1  1 -3 -5 -5  1  3  5  5
627253     1 -1 -3  5  5  1  3  5  5

$rows
 [1]      1     10     61    723    790   1596   2307   2314   2365   2374
[11]   2376   7129   7140   7198   7849   7911   7918   7920   8713   8724
[21]   9433   9504  48252  48301  48303  49105  49107  49114  49174  54660
[31]  54711  56233  56304 570241 570963 571834 571836 572556 578151 579015
[41] 617821 617823 619414 620127 620134 625618 626475 627253

Answer 2

只是为了补充安德里的答案。 这就是我们如何解释优化设计的强度。

设计效率由Ge来判断。 它应该是 1 或接近 1。下面的链接有一些解释，我参考了“用 R 进行实验的设计和分析”一书。 认为这可能对那些正在寻找答案的人有用。 以下是我获得此信息的来源。

https://stat.ethz.ch/pipermail/r-help/2007-October/143217.html

R中的分层贝叶斯错误：贝叶斯包

Answer 3

D、A、I、G的优化设计都是有界设计（设计在设计空间的边界上），我认为优化设计的结果不太适合拟合响应面或代理模型。 同时，优化设计通常不是正交的。