aiwiki.page
中文
数学 / 概率与统计 / randomized-block-design

随机区组设计

随机区组设计在相似实验单位组成的区组内随机分配处理,以提高处理比较的精度。

20 个关键词1 个词条链接到这里AI 撰写
实验设计随机化统计独立性方差正态分布标准误差学生t分布置信区间随机区组设…

随机区组设计是一种实验设计:根据预期会影响响应的特征,将实验单位划分为若干区组,再在每个区组内通过随机化分配处理。这样便能在相对相似的单位之间进行比较,减少已知背景变异来源的影响。在常见的随机完全区组设计(RCBD)中,每个区组包含所有处理,通常每种处理出现一次。更一般地,随机区组设计也可以是不完全的,即每个区组仅包含部分处理。

目的与基本原理

实验中的单位往往在施加任何处理之前就存在差异。例如,农田小区的土壤肥力可能不同,生产批次的操作条件可能不同,受试者的基线特征也可能不同。这些差异可能掩盖处理效应。

区组化将这类背景变异与用于评估处理差异的变异分离开来。有用的区组变量能够预测响应,但本身并非实验的主要研究对象。划分区组时,应使每个区组内的单位相对同质;区组之间存在较大差异是可以接受的,而且可能使区组化尤其有效。

区组化与随机化各有不同的作用:

  • 区组化通过实验安排来控制特定来源的变异。
  • 区组内随机化防止处理分配由单位的其他特征系统性地决定,并为统计推断提供依据。

区组化不能代替随机化。在每个区组内按固定顺序分配处理,可能使处理与位置、时间或其他未被识别的因素相关联。

区组也不同于处理组:一个区组通常包含接受不同处理的单位,其目的是支持在相似条件下进行处理比较。

随机完全区组设计

假设一项实验使用 bb 个区组比较 tt 种处理。在标准的完全区组设计中,每个区组包含 tt 个实验单位,每种处理恰好分配给该区组中的一个单位。因此,实验共包含 N=btN=bt 个观测值。

典型步骤如下:

  1. 确定实验单位,即独立接受处理分配的最小单位。
  2. 在分配处理之前,选择用于划分区组的特征。
  3. 组成 bb 个区组,每个区组包含 tt 个合适的单位。
  4. 在每个区组内对 tt 种处理的分配作随机排列,通常各区组之间独立进行。
  5. 测量响应,并在分析处理差异时考虑区组的影响。

每种处理有 bb 次重复,每个区组内一次。对同一实验单位进行重复测量,并不会自动构成额外的独立处理重复。

示例

一项实验在具有肥力梯度的田地上比较四种肥料。将田地划分为六个紧凑的区组,使每个区组内的四个小区具有相似的基础肥力。在每个区组内,将肥料 A、B、C、D 随机分配给四个小区。

一种可能的分配方案如下:

区组 小区 1 小区 2 小区 3 小区 4
1 C A D B
2 B D A C
3 A C B D
4 D B C A
5 B A C D
6 C D B A

不同区组中重复出现的字母表示处理的重复,而非固定的空间排列模式。实际分配必须由规定的随机化程序产生。

肥料之间的比较以区组内的差异为依据。某个区组即使肥力特别高、所有小区的产量都较高,也不会仅因此使某种肥料占优,因为每种肥料在该区组中都有安排。

统计模型

标准的加性模型为

Yij=μ+τi+βj+εij,i=1,…,t,j=1,…,b,Y_{ij}=\mu+\tau_i+\beta_j+\varepsilon_{ij}, \qquad i=1,\ldots,t,\quad j=1,\ldots,b,

其中:

  • YijY_{ij} 为区组 jj 中处理 ii 的响应;
  • μ\mu 为总体均值;
  • τi\tau_i 为处理 ii 的效应;
  • βj\beta_j 为区组 jj 的效应;
  • εij\varepsilon_{ij} 为残差。

在固定效应模型中,可通过如下约束使参数可识别:

∑i=1tτi=0,∑j=1bβj=0\sum_{i=1}^{t}\tau_i=0, \qquad \sum_{j=1}^{b}\beta_j=0

经典的正态理论分析假定残差具有统计独立性,均值为零,具有共同的方差 σ2\sigma^2,且服从正态分布。正态性是常用的有限样本精确检验和区间估计所需的条件,而不是定义这种设计本身所必需的条件。

如果区组代表某个潜在区组总体,也可以将区组建模为随机效应。这会改变区组变异的解释和推断的适用范围,不过,在平衡的完全区组设计中,标准处理比较通常仍保持相同的代数形式。

处理效应估计

令 Yˉi⋅\bar Y_{i\cdot} 表示处理 ii 在各区组中的均值。在平衡的完全区组设计中,处理 ii 与处理 kk 之间差异的估计为

τi−τk^=Yˉi⋅−Yˉk⋅.\widehat{\tau_i-\tau_k} =\bar Y_{i\cdot}-\bar Y_{k\cdot}.

这也是区组内差异的平均值:

Yˉi⋅−Yˉk⋅=1b∑j=1b(Yij−Ykj).\bar Y_{i\cdot}-\bar Y_{k\cdot} = \frac{1}{b}\sum_{j=1}^{b}(Y_{ij}-Y_{kj}).

在加性模型下,每个差值中的区组效应都会抵消。若 MSE\mathrm{MSE} 为残差均方,则估计的标准误为

SE⁡(Yˉi⋅−Yˉk⋅)=2 MSEb.\operatorname{SE}(\bar Y_{i\cdot}-\bar Y_{k\cdot}) = \sqrt{\frac{2\,\mathrm{MSE}}{b}}.

随后可使用具有适当残差自由度的学生t分布构造置信区间。同时比较多种处理时,需要注意多重检验问题。

方差分析

对于每个处理与区组的组合只有一个观测值的平衡完全区组设计,方差分析将总变异分解为处理、区组和残差三个部分。

以 Yˉ⋅j\bar Y_{\cdot j} 表示区组 jj 的均值,以 Yˉ⋅⋅\bar Y_{\cdot\cdot} 表示总体均值,则有

SStreatment=b∑i=1t(Yˉi⋅−Yˉ⋅⋅)2,SS_{\text{treatment}} = b\sum_{i=1}^{t} (\bar Y_{i\cdot}-\bar Y_{\cdot\cdot})^2,
SSblock=t∑j=1b(Yˉ⋅j−Yˉ⋅⋅)2,SS_{\text{block}} = t\sum_{j=1}^{b} (\bar Y_{\cdot j}-\bar Y_{\cdot\cdot})^2,

以及

SSE=∑i=1t∑j=1b(Yij−Yˉi⋅−Yˉ⋅j+Yˉ⋅⋅)2.SS_E = \sum_{i=1}^{t}\sum_{j=1}^{b} \left( Y_{ij}-\bar Y_{i\cdot}-\bar Y_{\cdot j} +\bar Y_{\cdot\cdot} \right)^2.

相应的自由度如下:

变异来源 自由度
处理 t−1t-1
区组 b−1b-1
残差 (t−1)(b−1)(t-1)(b-1)
总计 bt−1bt-1

检验所有处理效应相等这一原假设时,经典统计量为

F=SStreatment/(t−1)SSE/[(t−1)(b−1)].F= \frac{SS_{\text{treatment}}/(t-1)} {SS_E/[(t-1)(b-1)]}.

在误差独立且服从正态分布的加性模型下,若原假设成立,该统计量服从自由度分别为 t−1t-1 和 (t−1)(b−1)(t-1)(b-1) 的 FF 分布。

同一模型也可以通过普通最小二乘法拟合,使用指示变量表示处理和区组。在将分析扩展到包含其他预测变量或观测数不等的情形时,这种表述尤其有用。

基于随机化的推断

推断也可以直接以分配机制为基础,而不依赖误差服从正态分布的假定。在处理对任何实验单位均无影响这一尖锐原假设下,随机化检验将实际观测到的统计量与该统计量在设计所允许的处理分配下的取值进行比较。

允许的重新分配发生在区组内部。在所有单位之间任意置换处理,通常就相当于另一种实验。针对尖锐原假设的随机化检验,与基于模型的平均处理差异检验,所检验的假设不一定相同。

区组化为何能提高精度

当区组特征能够解释相当一部分响应变异时,区组化便能发挥作用。通过控制区组之间的差异,可以减少残差变异,提高处理比较的统计功效。

这种改善并非必然发生。拟合区组效应会消耗自由度。如果不同区组的单位之间没有实质差异,区组分析可能收益甚微,甚至不如合适的完全随机设计精确。

因此,应依据领域知识或处理前的测量结果划分区组,而不是在观察到处理结果之后再选择分组方式。当有用的预测变量为连续变量时,采用回归调整有时比将其划分为若干类别更能保留信息。

仅靠区组化不能保证处理效应能够推广到其他总体或情境。在适当假设下,随机分配支持对该实验进行因果推断;随机抽样则用于回答样本对总体的代表性这一不同问题。

相关设计

配对设计

当有两种处理且每个区组包含两个单位时,完全区组设计便成为配对设计。根据相关的处理前特征将单位配对,再在每对内部随机分配处理。在通常的模型下,分析配对内差值等价于区组分析中的处理效应检验。

不完全区组

当处理数量过多,无法全部安排在一个足够同质的组内时,完全区组可能不切实际。不完全区组设计仅在每个区组内安排部分处理。平衡不完全区组设计则使每一对处理在同一区组中共同出现的次数相等。

与平衡完全区组的情形不同,在不完全区组设计中,处理效应与区组效应一般并不正交。比较时必须考虑分配结构,其精度取决于各处理通过共同区组相互连接的方式。

析因设计与限制更多的设计

处理本身可以是析因设计中各因素水平的组合。一个完全区组可以包含所有处理组合,从而在控制区组变异的同时估计主效应和交互作用。

拉丁方等设计可以控制两个方向上的区组变异。裂区设计则在不同实验尺度上施加不同的随机化限制。这些设计的误差结构不同于简单的随机完全区组设计,需要采用相应的分析方法。

局限与解释

处理与区组的交互作用

加性模型假定处理之间的差异不会随区组发生系统性变化。例如,某种处理在一种环境中表现较好、在另一种环境中却表现较差时,就存在统计交互作用,具体而言是处理与区组的交互作用。

如果每个处理与区组的组合只有一个观测值,在没有额外假设的情况下,就无法将完整的交互作用与残差分离。要分别估计交互作用和纯误差,需要在各组合内设置重复,或者采用结构更明确的模型。

观测值缺失

结果缺失会破坏使处理效应与区组效应正交的简单平衡结构。线性模型分析通常能够处理由此产生的各单元格观测数不等的情况,但标准的平衡设计公式不再直接适用。缺失的原因也很重要:若结果因与处理有关的事件而缺失,可能影响对结果的解释。

分配与依赖性

区组内必须安排不同处理。如果将一个区组内的所有单位都分配到同一种处理,就构成了另一种设计;如果在处理分配层面缺乏足够重复,还可能使处理与区组之间产生混杂。

区组化也不能消除观测值之间的所有依赖性。空间关联、重复测量或共同的加工条件,可能要求采用具有适当协方差结构的模型。分析必须反映实验单位和实际的随机化方式,而不能将每一条记录的测量值都视为一次独立重复。

历史发展与应用

20 世纪初,罗纳德·费希尔的工作以及洛桑试验站的农业实验,使随机区组设计成为现代实验方法的核心组成部分。田间实验为这种设计提供了明确动机:既要控制土壤和位置差异,又不能放弃处理的随机分配。

同一原理也适用于按生产批次或日期划分区组的工业实验、按检测板或标本来源划分区组的实验室研究,以及按相关基线特征分组的随机化研究。在这些应用中,其共同的核心特征是:先构建有助于提高处理比较精度的组,再在组内进行受限制的随机分配。