[论文解读] Optimal Designs for Two-Level Factorial Experiments with Binary Response

Abhyuday Mandal, Jie Yang+1 more|arXiv (Cornell University)|Mar 8, 2010

Optimal Experimental Design Methods被引用 3

一句话总结

本论文针对二元响应的两水平因子实验，基于广义线性模型，提出了局部D-最优设计。在2²设计中推导了特殊情形的解析解，并证明了均匀设计在一般2ᵏ实验中具有高度效率且为最大最小D-最优，展现出在筛选应用中的稳健性与实际效用。

ABSTRACT

We consider the problem of obtaining locally D-optimal designs for factorial experiments with qualitative factors at two levels each with binary response. Our focus is primarily on the 2^2 experiment. In this paper, we derive analytic results for some special cases and indicate how to handle the general case. The performance of the uniform design in examined and we show that this design is highly efficient in general. For the general 2^k case we show that the uniform design has a maximin property.

研究动机与目标

• 建立二元响应两水平因子实验的最优设计理论，其中传统线性模型不适用。
• 解决广义线性模型中二元结果下的D-最优性问题，特别是信息矩阵依赖于未知参数时的挑战。
• 评估均匀设计在2²和2ᵏ因子实验各种配置下的性能与稳健性。
• 为特殊情况提供解析解，并为一般情况提供计算策略（例如，圆柱代数分解）。
• 证明均匀设计在一般2ᵏ设置下具有最大最小D-最优性，确保在参数不确定性下的稳健性。

提出的方法

• 采用Chernoff（1953）的局部最优性方法，将未知参数替换为假设值以定义D-最优性准则。
• 应用D-准则以最大化渐近信息矩阵的行列式，该矩阵由广义线性模型中的费歇尔信息推导得出。
• 采用圆柱代数分解（CAD）求解一般2²设计中无解析解时的非凸优化问题。
• 在广义线性模型框架中考虑常用链接函数（logit、probit、log-log、互补log-log）。
• 通过最大最小准则评估均匀设计的D-效率与稳健性，涵盖不同参数配置。
• 利用不等式（如AM-GM）推导D-最优性准则的界，并通过拉格朗日乘子法与摄动分析证明最优性条件。

实验结果

研究问题

• RQ1 在主效应模型下，二元响应2²因子实验的局部D-最优设计的解析形式是什么？
• RQ2 在不同参数配置下，均匀设计的D-效率相较于其他设计表现如何？
• RQ3 能否证明均匀设计在一般2ᵏ因子设置下为最大最小D-最优？
• RQ4 参数向量满足何种条件时，可确保均匀设计为最优或近似最优？
• RQ5 当无解析解时（特别是2²情形），如何计算最优设计？

主要发现

• 在仅含主效应的2²设计中，当主效应方差平衡时，均匀设计的D-效率至少为1 - (3/4) × 2^{1/3} ≈ 0.442。
• 当主效应方差v₁ ≥ v₂ + v₃ + v₄时，最优设计为非均匀设计，其中p₁ = 0且p₂ = p₃ = p₄ = 1/3，此时L = v₁/27。
• 均匀设计在一般2ᵏ实验中为最大最小D-最优，即其在所有参数值下均最大化D-准则的下界。
• 均匀设计在一般情况下效率极高，即使真实参数值偏离假设值，其性能依然稳健。
• 当v₁ = v₂ + v₃ + v₄时，均匀设计的D-效率恰好为1 - (3/4) × 2^{1/3} ≈ 0.442，且此值为最大最小准则下的最小可实现值。
• 摄动分析表明，若v₁ < v₂ + v₃ + v₄，则略微增加p₁并成比例减少p₂、p₃、p₄可提升D-准则，表明在此区域均匀性并非最优。