如何在 R 中创建部分因子设计？答案

【问题标题】：How to create a fractional factorial design in R?如何在 R 中创建部分因子设计？
【发布时间】：2011-02-18 18:03:32
【问题描述】：

我正在努力使用 R 创建一个相当精细的部分因子设计。

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

我搜索了 Google 和 R-lists，并查看了几个有前途的包（AlgDesign、DoE.base、acepack）

但我还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 个水平！

谁能指出我正确的方向？

谢谢！

【问题讨论】：

标签： r statistics

【解决方案1】：

我已使用包 AlgDesign 生成部分因子设计：

使用函数gen.factorial()生成全因子设计。
将结果传递给 optFederov() - 这将尝试使用 Federov 算法找到最佳的分式设计。

以下代码在我的 Windows 笔记本电脑上运行大约需要 3 分钟。该示例找到了一个近似最优部分因子设计，其中包含 8 个因子，每个因子具有 3、4、6 或 11 个水平，如您指定的那样。

请注意，我使用optFederov(..., approximate=TRUE) - 这找到了一个近似的解决方案。在我的机器上，当我设置 approximate=FALSE 时，代码运行时间太长，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)

还有输出：

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

【讨论】：

这个答案很实用，谢谢。我之前无法接受这个答案，因为我的原始帐户在登录我的谷歌帐户后变得无法访问。问题现已解决。

【解决方案2】：

只是为了补充安德烈的答案。这就是我们如何解释优化设计的力量。

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《R 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

Error in Hierarchical Bayesn in R : Bayesn Package

【讨论】：

【解决方案3】：

D、A、I、G 最优设计都是有界设计（设计都在设计空间的边界上），我认为最优设计结果并不擅长拟合响应面或代理模型。同时，最优设计通常不是正交的。

【讨论】：