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。
答案 0 :(得分:2)
以下是我使用randomizr
:
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))