Question

我的问题是，那里的任何R包是否提供了使得标准实验设计随机化的功能，这可能涉及交叉因素，嵌套和/或阻塞。

具体而言，请具体向我展示如何在 nlme 包中提供作为数据集提供的Oats实验的新随机化。

> data(Oats, package="nlme")
> summary(Oats)
 Block           Variety       nitro          yield      
 VI :12   Golden Rain:24   Min.   :0.00   Min.   : 53.0  
 V  :12   Marvellous :24   1st Qu.:0.15   1st Qu.: 86.0  
 III:12   Victory    :24   Median :0.30   Median :102.5  
 IV :12                    Mean   :0.30   Mean   :104.0  
 II :12                    3rd Qu.:0.45   3rd Qu.:121.2  
 I  :12                    Max.   :0.60   Max.   :174.0

在那个实验中，有六个街区。每个块被分成三个图，这些图被随机分配到变种（每个块中每个品种一个图，每个块单独随机化）。每个图被细分为4个子图，并随机分配到4个氮量（0,0.2,0.4和0.6），每个硝基水平的一个子图在每个图中分别随机化。在数据集中，图表可以识别为Block和Variety的组合。（响应变量为yield，因此实际上并不是治疗设计的一部分。）

第二个问题：鉴于您可以随机化Oats，您是否可以使用相同的包来轻松随机化其他经典设计，例如，三因素CRD，嵌套设计，三周期交叉设计或5x5 Graeco-Latin square？

我实际上已经知道如何使用R语言中的基本函数来做到这一点;所以我对看到程序化的答案并不特别感兴趣。我想知道现有的包是否能让这一切变得简单。我可以找出一些可能有帮助的软件包，例如 randomizeR 和 randomizr ，但是快速阅读这些软件的文档仍然没有让它变得非常明显（对我而言）这该怎么做。

我有几年前为我的学生开发的通用随机化软件包的材料，我正在尝试决定是否进一步开发它以便在CRAN上发布。

Answer 1

以下是我使用randomizr：

的方式

data(Oats, package="nlme")

# get the latest version from github      
install.packages("devtools")
devtools::install_github("DeclareDesign/randomizr")

library(randomizr)
Oats <- within(Oats,{
  Variety_new <- block_ra(block_var = Block, 
                          condition_names = c("Golden Rain", "Marvellous", "Victory"))
  nitro_new <- block_ra(block_var = paste0(Block, Variety_new), 
                        condition_names = c(0, 0.2, 0.4, 0.6))
  })

# Original Random Assignment
with(Oats, table(Block, Variety))
with(Oats, table(Block, nitro))
with(Oats, table(Block, nitro, Variety))

# New Random Assignment
with(Oats, table(Block, Variety_new))
with(Oats, table(Block, nitro_new))
with(Oats, table(Block, nitro_new, Variety_new))

关键是要意识到你需要阻止变种和阻止将子图随机化为硝基条件。（这就是为什么我们需要调用paste0）。

修改

这是另一种方法（见评论）

library(randomizr) 
des <- rev(expand.grid(subplot=1:4, wholeplot=1:3, block=1:6)) 
des <- within(des,{ 
   plot_id <- paste0(block, "_", wholeplot) 
   Variety <- block_and_cluster_ra(
                block_var = block, 
                clust_var = plot_id, 
                condition_names = c("Golden Rain", "Marvellous", "Victory")) 
   nitro <- block_ra(block_var = plot_id, 
                     condition_names = c(0, 0.2, 0.4, 0.6)) 
}) 

with(des, table(Variety, block)) 
with(des, table(Variety, nitro)) 
with(des, table(Variety, nitro, block))

在R中随机化分裂图（和其他经典设计）

1 个答案: