[論文レビュー] Using graphs to find the best block designs

R. A. Bailey, Peter J‎. Cameron|arXiv (Cornell University)|Nov 16, 2011

Optimal Experimental Design Methods参考文献 44被引用数 8

ひとこと要約

本稿は、実験統計における最適不完全ブロック設計とグラフ理論の深い関係を確立し、特に共起グラフおよびレヴィグラフのラプラシアン固有値、全域木、有効抵抗といった性質が、D-、A-、E-最適不完全ブロック設計の評価および構築にどのように利用できるかを示している。主な貢献は、統計的最適性基準をネットワーク理論的不変量に統一的に結びつけるフレームワークを提供することであり、特定のパrameter範囲における最適設計の明示的特徴付けがなされている。

ABSTRACT

A statistician designing an experiment wants to get as much information as possible from the data gathered. Often this means the most precise estimate possible (that is, an estimate with minimum possible variance) of the unknown parameters. If there are several parameters, this can be interpreted in many ways: do we want to minimize the average variance, or the maximum variance, or the volume of a confidence region for the parameters? In the case of block designs, these optimality criteria can be calculated from the concurrence graph of the design, and in many cases from its Laplacian eigenvalues. The Levi graph can also be used. The various criteria turn out to be closely connected with other properties of the graph as a network, such as number of spanning trees, isoperimetric number, and the sum of the resistances between pairs of vertices when the graph is regarded as an electrical network. In this chapter, we discuss the notions of optimality for incomplete-block designs, explain the graph-theoretic connections, and prove some old and new results about optimality.

研究の動機と目的

• 実験統計における最適不完全ブロック設計の評価および構築のためのグラフ理論的フレームワークを開発すること。
• 統計的最適性基準（D-、A-、E-最適性）を共起グラフおよびレヴィグラフの構造的性質と結びつけること。
• 全域木の数、有効抵抗、スペクトルギャップなどのネットワーク理論的不変量を用いて最適設計を特徴付けること。
• 特定のパラメータ領域、特に低再複製および小ブロックサイズの場合に、ある設計が最適性に達する明示的条件を提供すること。
• 電気回路アナロジーおよびグラフラプラシアンの観点から、分散した最適性基準を統一すること。

提案手法

• ブロック設計から共起グラフを構築する。処理を頂点とし、ブロック内での共起頻度で重み付けされた辺を定義する。
• レヴィグラフを二部グラフとして定義する。処理頂点とブロック頂点を含み、各処理が含まれるブロックに接続される。
• これらのグラフのラプラシアン行列を用いて、統計的分散特性に対応する固有値を導出する。
• 電気回路アナロジーを適用する：グラフを抵抗ネットワークとみなして、処理ペア間の有効抵抗を計算する。
• フォスターズの公式およびランダムウォーク理論を用いて、有効抵抗の総和とA-最適性を関連付ける。
• 循環的設計における有効抵抗の総和の閉形式表現を導出し、特定のパrameter制約下での最適性評価を行う。

実験結果

リサーチクエスチョン

• RQ1 全域木の数や有効抵抗といったグラフ理論的不変量をどのように用いてブロック設計の統計的最適性を評価できるか。
• RQ2 共起グラフおよびレヴィグラフのラプラシアン固有値と処理効果推定子の分散の関係は何か。
• RQ3 繰り返し処理を含む非二値設計は、どのような条件下でA-最適となり、またどのような条件下で非最適となるか。
• RQ4 共起グラフのスペクトル特性は、E-最適性とどのように関係するか。特に、最小非ゼロ固有値の観点から。
• RQ5 特定の再複製パターンを持つ循環的設計は、抵抗に基づく指標を用いてA-最適性を証明できるか。

主な発見

• 繰り返し処理を含む非二値設計は、抵抗に基づく目的関数における厳密な不等式 g(1) > g(2) により、A-最適でないことが示された。
• b=3 または b=4 の場合、E-最適設計はクラス C(b,k,b) に属するが、b≥5 の場合、E-最適性は C(b,k,2) および C(b,k,1) に属する設計で達成される。
• b≥12 かつ k=3、または b≥8 かつ k=4、または b≥7 かつ k≥5 の場合、A-最適設計は s=2（高い再複製を持つ2つの処理）で達成され、抵抗関数 g(s) の挙動に基づく。
• 共起グラフの最小非ゼロラプラシアン固有値が b≥5 かつ k≥3 の場合に1未満であることは、そのような設計が接続性に欠けるためE-最適でないことを示している。
• s=2 の循環的設計では、処理頂点間の有効抵抗の総和が s=2 で最小化され、特定のパrameter条件下でのA-最適性を支持する。
• 循環的設計におけるレヴィグラフの総有効抵抗は g(s)/6 で与えられ、g(s) は s に関する立方多項式であり、整数 s におけるその最小値がA-最適性を決定する。