如何生成具有命名因子级的block.random实验设计

Question

来自block.random()库的psych是创建分块随机实验设计的一个很好的工具，然而，编写的函数需要在开始之前进行一些计算，并生成一个矩阵，该矩阵只包含实验因素水平的数值索引。

举一个植物生长实验的例子，你通常在开始做实验设计时所知道的信息如下：

• 两个实验因素，比如肥料和阳光。
• 三种肥料水平(5ml/d，10 5mL/d，20 5mL/d)
• 两层阳光(直射阳光，阴影)
• 你的能力分析告诉你每组需要15个样本。

使用block.random的方式如下：

> plan=block.random(n=90,c(fertilizer=3,sunlight=2))
> headtail(plan)
    blocks fertilizer sunlight
S1       1          3        2
S2       1          2        1
S3       1          3        1
S4       1          1        1
...    ...        ...      ...
S87     15          3        2
S88     15          2        1
S89     15          1        1
S90     15          1        2

很好，但是有两个问题：

• 你必须意识到你需要90个样本才能使用这个功能(每组15次，肥料3次，阳光2次)--这是一个很小的问题。
• 您不一定要直接使用输出，因为您必须将这些因素的数值水平(肥料为1:3，阳光为1:2 )与实际水平(5ml/天，10 5mL/天，20 5mL/日)和(阳光直射，遮阳)联系起来。

我更希望有一些东西，包括我的级别名称，我可以直接打印，以供参考，或快速格式化为一个表格，以纳入报告。

我怎样才能做到这一点？

Answer 1

对于block.random()有一个简单的包装器函数，所有这些都是可能的。

create.randomization.plan <- function(n.per.group, factors, seed=NULL){
  factor.lengths <- sapply(factors,length)
  if(!is.null(seed)){
    set.seed(seed)
  }
  plan <- as.data.frame(block.random(n.per.group*prod(factor.lengths),
                                     factor.lengths))
  for(i in 1:length(factors)){
    plan[,colnames(plan)==names(factors)[i]] <-
      factor(plan[,colnames(plan)==names(factors)[i]])
    levels(plan[,colnames(plan)==names(factors)[i]]) <- factors[[i]]
  }
  return(plan)
}

用法如下：

> factors <- list(fertilizer=c("5mL/day", "10mL/day", "20mL/day"),
+                 sunlight=c("direct sun", "shade"))
> 
> plan <- create.randomization.plan(15, factors)
> headtail(plan)
    blocks fertilizer   sunlight
S1       1   10mL/day      shade
S2       1   20mL/day direct sun
S3       1   20mL/day      shade
S4       1    5mL/day direct sun
...    ...       <NA>       <NA>
S87     15   10mL/day      shade
S88     15    5mL/day direct sun
S89     15   10mL/day direct sun
S90     15   20mL/day direct sun

您还可以为可再现性设置一个种子：create.randomization.plan(15, factors, seed=123)