[论文解读] 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 8

一句话总结

本文建立了图论与实验统计学中最优块设计之间的深刻联系，表明通过共现图与莱维图的拉普拉斯特征值、生成树数量及有效电阻等性质，可评估与构造D-、A-和E-最优不完全块设计。其核心贡献是将统计最优性准则与网络理论不变量统一起来，为特定参数范围内的最优设计提供了明确表征。

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.

研究动机与目标

• 开发一种图论框架，用于评估与构造实验统计学中不完全块设计的最优性。
• 将统计最优性准则（D-、A-、E-最优性）与共现图及莱维图的结构性质相联系。
• 利用生成树数量、有效电阻与谱间隙等网络理论不变量，对最优设计进行表征。
• 提供特定设计实现最优性的明确条件，尤其针对低重复次数与小块大小的情形。
• 通过电网络类比与图拉普拉斯矩阵的视角，统一不同的最优性准则。

提出的方法

• 通过将处理作为顶点、边按其在块中共同出现的频率加权，从块设计构造共现图。
• 将莱维图定义为二部图，包含处理与块的顶点，并将每个处理连接至其出现的块。
• 利用这些图的拉普拉斯矩阵推导出对应于统计方差性质的特征值。
• 应用电网络类比：将图视为电阻网络，以计算处理对之间的有效电阻。
• 利用福斯特公式与随机游走理论，将有效电阻之和与A-最优性关联。
• 推导循环设计中总有效电阻的闭式表达式，以在特定参数约束下评估最优性。

实验结果

研究问题

• RQ1 如何利用生成树数量与有效电阻等图论不变量来评估块设计的统计最优性？
• RQ2 共现图与莱维图的拉普拉斯特征值与处理效应估计量的方差之间存在何种关系？
• RQ3 在何种条件下，非二元设计（含重复处理）为A-最优，何时则为次优？
• RQ4 共现图的谱性质如何与E-最优性相关联，特别是其最小非零特征值的作用？
• RQ5 能否基于电阻度量，证明具有特定重复模式的循环设计在A-最优性下为最优？

主要发现

• 非二元设计（含重复处理）永远不是A-最优的，这由基于电阻的目标准则中严格不等式g(1) > g(2)所证明。
• 当b=3或b=4时，E-最优设计属于C(b,k,b)类；当b≥5时，E-最优性由C(b,k,2)与C(b,k,1)类设计实现。
• 当b≥12且k=3，或b≥8且k=4，或b≥7且k≥5时，A-最优设计出现在s=2（即两个处理具有更高重复次数）处，依据电阻函数g(s)的行为。
• 若b≥5且k≥3，则共现图的最小非零拉普拉斯特征值小于1，表明此类设计因连通性差而无法实现E-最优性。
• 对于s=2的循环设计，处理顶点间有效电阻之和在s=2时最小，支持在特定参数条件下实现A-最优性。
• 循环设计中莱维图的总有效电阻为g(s)/6，其中g(s)是s的三次多项式，其在整数s上的最小值决定了A-最优性。