UA MATH571B 试验设计VI 随机效应与混合效应3 嵌套设计
UA MATH571B 試驗設計VI 隨機效應與混合效應3 嵌套設計簡介
- 兩階段嵌套設計
前兩講介紹了兩因素的隨機效應與混合效應模型的統計方法,進行實驗設計的時候思路與RCBD類似。試驗有random factor時還有另外兩種常用的設計:嵌套設計(nested design)和裂區設計(split-plot design)。這一講介紹嵌套設計的基本思想,下一講介紹裂區設計的基本思想。
先介紹基本概念,什么是factor的嵌套?在兩因子的模型中,我們總是要考慮兩個因子的交互效應,因此在設計試驗的時候就考慮了factor level的交叉(每一個factor A的level都要與factor B的所有level構成一個treatment用來處理一個試驗單位),這樣做最大的問題在于試驗資源的浪費,因為這樣設計試驗需要的試驗單位總數為abnabnabn,nnn是replicate的次數,如果a=4,b=12,n=2a=4,b=12,n=2a=4,b=12,n=2(考慮factor A的個level和factor B的12個level做交叉,并重復試驗兩次),則需要的試驗單位為96,假設對每個試驗單位的treatment平均需要200元,這個試驗就需要花費1.92萬。為了節約試驗資源,減少試驗單位的使用,可以考慮嵌套設計,比如把factor B的12個level分為4組,每一組3個level與factor A的1個level做交叉(如下圖),則需要的試驗單位就是24,這個試驗就只需要0.48萬。
如果能針對嵌套設計的試驗數據建立適用的統計模型,那么我們在做試驗上就能省很多錢了。下面就介紹一下嵌套設計的統計模型:
兩階段嵌套設計
假設我們關注A和B兩個factor的effects,factor B的level嵌套在factor A的level中,模型設定為:
yijk=μ+τi+βj(i)+?(ij)k?ijk~iidN(0,σ2);i=1,?,a;j=1,?,b;k=1,?,ny_{ijk} = \mu + \tau_i + \beta_{j(i)} + \epsilon_{(ij)k}\\ \epsilon_{ijk} \sim_{iid}N(0,\sigma^2);i=1,\cdots,a;j=1,\cdots,b;k=1,\cdots,n \\ yijk?=μ+τi?+βj(i)?+?(ij)k??ijk?~iid?N(0,σ2);i=1,?,a;j=1,?,b;k=1,?,n
A和B可以是random factor也可以是fixed factor,依據類型的不同寫出模型假設即可。考慮平方和的分解(不想打公式了直接截圖):
上面這些結論的推導和前兩講都沒有什么很大的區別。但在做推斷的時候需要注意:factor level的交叉可以推斷的效應有factor A的效應,factor B的效應,factor A和B的交互效應(交互效應本質上就是相同的factor A下factor B的效應以及相同的factor B下factor A的效應),這是由試驗設計和統計模型共同決定的;factor level的嵌套因為只有B的level嵌套到A中的設計,而沒有A的嵌套到B中的,因此只能推斷factor A的效應以及相同的A的level下factor B的效應,相當于能推斷的效應只有factor level的交叉的一半。
總結
以上是生活随笔為你收集整理的UA MATH571B 试验设计VI 随机效应与混合效应3 嵌套设计的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: UA MATH571B 试验设计VI 随
- 下一篇: UA MATH571B 试验设计VI 随