実験計画法

同義語:design of experimentsexperimental design

概要

実験計画法(design of experiments)とは、処理の効果を比べる実験で、処理の割り当てとデータの分解の仕方を前もって決める方法であり、反復・無作為化・局所管理を基本にする。処理の割り当てをくじで決めれば、平均の差は応答のモデルによらず平均処理効果の不偏推定になる。ブロックごとに無作為化する乱塊法では、加法的なモデルと独立な正規誤差のもとで総平方和が処理・ブロック・誤差に直交分解され、処理の効果を $F$ 検定できる。強さ 2 の直交表を使えば、交互作用がないとき多くの因子の主効果を少ない実験で互いに無相関に推定できる。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: F分布, カイ二乗分布, 正射影と射影行列, 多変量正規分布

実験計画法(design of experiments)は、処理(肥料の種類、薬の量、製造条件など)の効果を比べる実験で、どの実験単位にどの処理を割り当て、データをどう分解するかを決める方法である。計画の良し悪しは、データを集める前に決まってしまう。たとえば新しい肥料を土地のよい区画にだけ使えば、収量の差が肥料によるのか土地によるのかは、どんな解析をしても区別できない。
実験計画法の基本は、次の 3 つの考え方である。

  • 反復:同じ処理を複数の実験単位に施し、誤差の大きさを推定できるようにする。
  • 無作為化:処理の割り当てをくじで決め、未知の要因が処理と偶然以上に重ならないようにする。
  • 局所管理:似た実験単位をまとめた ブロック の中で処理を比べ、ブロックの間の違いを誤差から取り除く。
    この記事では、3 つの考え方のそれぞれに対応する定理を証明する。無作為化については、割り当てをくじで決めれば平均の差が平均処理効果の不偏推定になること(その分散の公式も含む)、局所管理については乱塊法の平方和の分解と $F$ 検定、さらに多くの因子を少ない実験回数で調べる直交表の性質である。

定義と使える条件

完全無作為化計画

$N$ 個の実験単位のうち $n_1$ 個に処理、残りの $n_0=N-n_1$ 個に対照を施す($1\le n_1\le N-1$)。処理を施す単位の集合 $T$ を、大きさ $n_1$ の部分集合 $\binom N{n_1}$ 個から等しい確率で選ぶ計画を 完全無作為化計画 という。単位 $u$ が処理を受けたときの応答を $y_u(1)$、対照のときを $y_u(0)$ とし(潜在結果。どちらか一方しか観測されない)、
$$ \bar\tau=\frac1N\sum_{u=1}^N\bigl(y_u(1)-y_u(0)\bigr),\qquad\hat\tau=\frac1{n_1}\sum_{u\in T}y_u(1)-\frac1{n_0}\sum_{u\notin T}y_u(0) $$
をそれぞれ 平均処理効果、平均の差の推定量 という。

ここでは $y_u(1)$、$y_u(0)$ は固定した数で、確率は割り当て $T$ のくじだけから生じる。母集団の分散を $S_k^2=\frac1{N-1}\sum_u(y_u(k)-\bar y(k))^2$($k=0,1$、$\bar y(k)$ は $N$ 個の平均)、$\tau_u=y_u(1)-y_u(0)$ の分散を $S_\tau^2$ と書く。

乱塊法

$a$ 個の処理と、それぞれ $a$ 個の実験単位からなる $b$ 個のブロックがあるとする($a,b\ge2$)。各ブロックの中で、$a$ 個の処理を $a$ 個の単位に 1 つずつくじで割り当てる計画を 乱塊法(randomized block design)という。処理 $i$、ブロック $j$ の応答を $y_{ij}$ とし、
$$ \bar y_{i\cdot}=\frac1b\sum_jy_{ij},\quad\bar y_{\cdot j}=\frac1a\sum_iy_{ij},\quad\bar y=\frac1{ab}\sum_{i,j}y_{ij} $$
とおく。処理・ブロック・誤差の平方和を
$$ \mathrm{SS}_A=b\sum_i(\bar y_{i\cdot}-\bar y)^2,\quad\mathrm{SS}_B=a\sum_j(\bar y_{\cdot j}-\bar y)^2,\quad\mathrm{SS}_E=\sum_{i,j}(y_{ij}-\bar y_{i\cdot}-\bar y_{\cdot j}+\bar y)^2 $$
と定め、$\mathrm{SS}_T=\sum_{i,j}(y_{ij}-\bar y)^2$ を総平方和という(ER10 §10.4.4、p. 594)。

直交表

$N$ 行 $k$ 列($k\ge2$)の表で、各成分が $s$ 個の水準 $1,\dots,s$ のどれかであり、どの 2 列を取り出しても、水準の順序対 $s^2$ 通りがちょうど $N/s^2$ 回ずつ現れるものを、強さ 2 の直交表(直交配列、orthogonal array)といい $\mathrm{OA}(N,k,s,2)$ と書く。行が 1 回の実験、列が 1 つの因子で、成分はその実験での因子の水準である。

2 水準の直交表の最小のものは、次の $\mathrm{OA}(4,3,2,2)$($L_4(2^3)$ ともいう)である。

実験列 1列 2列 3
1111
2122
3212
4221

この記事の定理を使う条件をまとめる。

  1. 無作為な割り当て(thm-doe-neyman):割り当てが def-doe-crd のくじで決まる。
  2. 加法性(thm-doe-rbd、thm-doe-oa):平均が処理の効果とブロック(またはほかの因子)の効果の和で書け、交互作用がない。
  3. 誤差の条件(thm-doe-rbd):誤差は独立に $N(0,\sigma^2)$ に従う。thm-doe-oa では、平均 $0$、分散 $\sigma^2$ で無相関であればよい。
  4. 強さ 2(thm-doe-oa):どの 2 列も水準の対が釣り合っている。

公式の表

量式使える条件根拠
平均の差の期待値$\mathbb{E}\hat\tau=\bar\tau$1thm-doe-neyman
平均の差の分散$\dfrac{S_1^2}{n_1}+\dfrac{S_0^2}{n_0}-\dfrac{S_\tau^2}N$1thm-doe-neyman
平方和の分解$\mathrm{SS}_T=\mathrm{SS}_A+\mathrm{SS}_B+\mathrm{SS}_E$なし(恒等式)thm-doe-rbd
自由度$ab-1=(a-1)+(b-1)+(a-1)(b-1)$なしthm-doe-rbd
平均平方の期待値$\mathbb{E}\frac{\mathrm{SS}_E}{(a-1)(b-1)}=\sigma^2$、$\mathbb{E}\frac{\mathrm{SS}_A}{a-1}=\sigma^2+\frac b{a-1}\sum_i\tau_i^2$2、3thm-doe-rbd
処理の $F$ 検定$\dfrac{\mathrm{SS}_A/(a-1)}{\mathrm{SS}_E/((a-1)(b-1))}\sim F(a-1,(a-1)(b-1))$2、3、$\tau\equiv0$thm-doe-rbd
直交表での主効果の推定$\hat\alpha_j(\ell)=\bar y_{j,\ell}-\bar y$(列 $j$ が水準 $\ell$ の実験の平均と全平均の差)2、3、4thm-doe-oa
2 水準の効果の分散$\operatorname{Var}(\bar y_{j,2}-\bar y_{j,1})=4\sigma^2/N$2、3、4、$s=2$thm-doe-oa
列の数の上界$k(s-1)\le N-1$4cor-doe-rao
一元配置の $F$ 検定$F(a-1,N-a)$3、平均が等しいF分布 の定理「一元配置の F 統計量」

主定理と証明

無作為化

無作為化による不偏性と分散の公式

完全無作為化計画(def-doe-crd)で、
$$ \mathbb{E}\hat\tau=\bar\tau,\qquad\operatorname{Var}\hat\tau=\frac{S_1^2}{n_1}+\frac{S_0^2}{n_0}-\frac{S_\tau^2}N $$
が成り立つ。特に $\operatorname{Var}\hat\tau\le S_1^2/n_1+S_0^2/n_0$ で、等号は $\tau_u$ がすべての単位で等しいときに限る。

単位 $u$ が処理を受ければ $1$、そうでなければ $0$ をとる確率変数を $W_u$ とする。$\sum_uW_u=n_1$ である。対称性から $\mathbb{E}W_u=n_1/N$、$\operatorname{Var}W_u=n_1n_0/N^2$ で、$0=\operatorname{Var}\sum_uW_u=N\operatorname{Var}W_1+N(N-1)\operatorname{Cov}(W_1,W_2)$ から、$u\ne v$ のとき $\operatorname{Cov}(W_u,W_v)=-n_1n_0/(N^2(N-1))$ である。
$\hat\tau=\sum_u\bigl(W_uy_u(1)/n_1-(1-W_u)y_u(0)/n_0\bigr)$ なので $\mathbb{E}\hat\tau=\sum_u\bigl(y_u(1)/N-y_u(0)/N\bigr)=\bar\tau$ である。
分散のため $c_u=y_u(1)/n_1+y_u(0)/n_0$ とおくと、$\hat\tau=\sum_uc_uW_u-\sum_uy_u(0)/n_0$ で、第 2 項は定数である。上の共分散から
$$ \operatorname{Var}\hat\tau=\frac{n_1n_0}{N^2}\Bigl(\sum_uc_u^2-\frac1{N-1}\sum_{u\ne v}c_uc_v\Bigr)=\frac{n_1n_0}{N(N-1)}\sum_u(c_u-\bar c)^2=\frac{n_1n_0}NS_c^2 $$
($S_c^2$ は $c_u$ の $N-1$ で割った分散)。共分散を $S_{10}=\frac1{N-1}\sum_u(y_u(1)-\bar y(1))(y_u(0)-\bar y(0))$ と書くと、$S_c^2=S_1^2/n_1^2+S_0^2/n_0^2+2S_{10}/(n_1n_0)$、$S_\tau^2=S_1^2+S_0^2-2S_{10}$ である。$2S_{10}=S_1^2+S_0^2-S_\tau^2$ を代入すると
$$ \frac{n_1n_0}NS_c^2=S_1^2\Bigl(\frac{n_0}{Nn_1}+\frac1N\Bigr)+S_0^2\Bigl(\frac{n_1}{Nn_0}+\frac1N\Bigr)-\frac{S_\tau^2}N=\frac{S_1^2}{n_1}+\frac{S_0^2}{n_0}-\frac{S_\tau^2}N $$
である。$S_\tau^2\ge0$ で、$S_\tau^2=0$ はすべての $\tau_u$ が等しいことと同値である。$\square$

この定理は応答のモデルを何も仮定しない。不偏性を保証するのはくじだけで、割り当てを人が選ぶと失われる(反例の表の 1 行目)。

乱塊法

乱塊法のモデルは
$$ y_{ij}=\mu+\tau_i+\beta_j+\varepsilon_{ij},\qquad\sum_i\tau_i=\sum_j\beta_j=0 $$
である。$\tau_i$ が処理の効果、$\beta_j$ がブロックの効果で、$\varepsilon_{ij}$ が誤差である。

乱塊法の分散分析
  1. 任意の実数 $y_{ij}$ について $\mathrm{SS}_T=\mathrm{SS}_A+\mathrm{SS}_B+\mathrm{SS}_E$ である。
  2. 上のモデルで $\varepsilon_{ij}$ が独立に $N(0,\sigma^2)$ に従うとき、$\mathrm{SS}_E/\sigma^2\sim\chi^2_{(a-1)(b-1)}$ で、$\mathrm{SS}_E$ は $(\bar y_{1\cdot},\dots,\bar y_{a\cdot})$ と独立である。$\mathbb{E}\,\mathrm{SS}_A=(a-1)\sigma^2+b\sum_i\tau_i^2$ である。
  3. さらに $\tau_1=\dots=\tau_a=0$ なら $\mathrm{SS}_A/\sigma^2\sim\chi^2_{a-1}$ で、
    $$ F=\frac{\mathrm{SS}_A/(a-1)}{\mathrm{SS}_E/((a-1)(b-1))}\sim F\bigl(a-1,(a-1)(b-1)\bigr). $$

(1) 行列の空間の直交分解。 データを $a\times b$ 行列 $Y$ とみて、内積 $\langle M,M'\rangle=\sum_{i,j}M_{ij}M'_{ij}$ を入れる。$u=a^{-1/2}\mathbf 1_a$、$v=b^{-1/2}\mathbf 1_b$、$P=I_a-uu^{\top}$、$Q=I_b-vv^{\top}$ とおき、
$$ \Pi_0M=uu^{\top}Mvv^{\top},\quad\Pi_AM=PMvv^{\top},\quad\Pi_BM=uu^{\top}MQ,\quad\Pi_EM=PMQ $$
と定める。$uu^{\top}+P=I_a$、$vv^{\top}+Q=I_b$ を展開すると $\Pi_0+\Pi_A+\Pi_B+\Pi_E$ は恒等写像である。各 $\Pi$ は左右に射影行列を掛ける写像なので、$\langle\Pi M,M'\rangle=\langle M,\Pi M'\rangle$ を満たし冪等で、$uu^{\top}P=0$、$vv^{\top}Q=0$ から異なる 2 つの積は $0$ である。よって 4 つは互いに直交する部分空間への直交射影で(正射影と射影行列)、像の次元は $1$、$a-1$、$b-1$、$(a-1)(b-1)$ である($\Pi_E$ の像は $u^{\top}M=0$、$Mv=0$ を満たす $M$ の全体)。$uu^{\top}$ を左から掛けると各列の平均を、$vv^{\top}$ を右から掛けると各行の平均を並べた行列になるので、成分で書くと
$$ (\Pi_AY)_{ij}=\bar y_{i\cdot}-\bar y,\quad(\Pi_BY)_{ij}=\bar y_{\cdot j}-\bar y,\quad(\Pi_EY)_{ij}=y_{ij}-\bar y_{i\cdot}-\bar y_{\cdot j}+\bar y $$
で、$\mathrm{SS}_A=\lvert\Pi_AY\rvert^2$、$\mathrm{SS}_B=\lvert\Pi_BY\rvert^2$、$\mathrm{SS}_E=\lvert\Pi_EY\rvert^2$、$\mathrm{SS}_T=\lvert Y-\Pi_0Y\rvert^2$ である。$Y-\Pi_0Y=\Pi_AY+\Pi_BY+\Pi_EY$ の 3 項は互いに直交するので、三平方の定理から (1) を得る。
(2) 平均と誤差を分ける。 平均の行列 $M_{ij}=\mu+\tau_i+\beta_j$ は $M=\mu\mathbf 1\mathbf 1^{\top}+\tau\mathbf 1^{\top}+\mathbf 1\beta^{\top}$ で、$P\mathbf 1=0$、$\mathbf 1^{\top}Q=0$、$\sum\tau_i=\sum\beta_j=0$ から $P\tau=\tau$、$Q\beta=\beta$ なので、$\Pi_EM=0$、$\Pi_AM=\tau\mathbf 1^{\top}$ である。よって $\varepsilon=Y-M$ について
$$ \Pi_EY=\Pi_E\varepsilon,\qquad\Pi_AY=\tau\mathbf 1^{\top}+\Pi_A\varepsilon . $$
$\varepsilon/\sigma$ の成分は独立に $N(0,1)$ に従い、$\Pi_E$ は階数 $(a-1)(b-1)$ の対称で冪等な写像なので、カイ二乗分布 の定理「2 次形式がカイ二乗分布に従う条件」により $\mathrm{SS}_E/\sigma^2\sim\chi^2_{(a-1)(b-1)}$ である。$\Pi_E\varepsilon$ と $(\Pi_0+\Pi_A)\varepsilon$ はあわせて多変量正規分布に従い、共分散は $\sigma^2\Pi_E(\Pi_0+\Pi_A)=0$ なので、多変量正規分布 の定理「無相関なら独立」により独立である。$\bar y_{i\cdot}$ は $(\Pi_0+\Pi_A)Y$ の第 $i$ 行の値で、$(\Pi_0+\Pi_A)\varepsilon$ と定数の和だから、$\mathrm{SS}_E$ と独立である。最後に $\Pi_A\varepsilon$ と定数 $\tau\mathbf 1^{\top}$ の内積の期待値は $0$ なので、$\mathbb{E}\,\mathrm{SS}_A=\lvert\tau\mathbf 1^{\top}\rvert^2+\mathbb{E}\lvert\Pi_A\varepsilon\rvert^2=b\sum_i\tau_i^2+\sigma^2(a-1)$ である($\mathbb{E}\lvert\Pi\varepsilon\rvert^2$ は $\sigma^2$ と $\Pi$ の階数の積)。
(3) $\tau=0$ なら $\mathrm{SS}_A=\lvert\Pi_A\varepsilon\rvert^2$ で、(2) と同じ理由で $\mathrm{SS}_A/\sigma^2\sim\chi^2_{a-1}$、これは $\mathrm{SS}_E$ と独立である。独立な 2 つのカイ二乗変数を自由度で割った比なので、F分布 の定義から $F$ は $F(a-1,(a-1)(b-1))$ に従う。$\square$

ブロックを無視して一元配置の分散分析を行うと、$\mathrm{SS}_B$ が誤差の平方和に入る。ブロックの違いが大きいと誤差が過大に見積もられ、処理の差が検出できなくなる(ex-doe-rbd)。

直交表

因子が多いとき、すべての水準の組み合わせを試すと実験の回数が $s^k$ に増える。直交表は、交互作用がないと仮定できるなら、ずっと少ない回数で各因子の効果を別々に推定できる計画である。列 $j$ の水準を表す関数を $c_j\colon\{1,\dots,N\}\to\{1,\dots,s\}$ とし、加法的なモデル
$$ y_r=\mu+\sum_{j=1}^k\alpha_j\bigl(c_j(r)\bigr)+\varepsilon_r,\qquad\sum_{\ell=1}^s\alpha_j(\ell)=0 $$
を考える。$\alpha_j(\ell)$ は因子 $j$ の水準 $\ell$ の 主効果 である。列 $j$ が水準 $\ell$ である実験の $y_r$ の平均を $\bar y_{j,\ell}$ と書く。

直交表での主効果の推定

$\mathrm{OA}(N,k,s,2)$ を使い、上のモデルで $\varepsilon_r$ は平均 $0$、分散 $\sigma^2$ で互いに無相関とする。$\mathbb{R}^N$ の部分空間
$$ V_j=\Bigl\{\bigl(f(c_j(r))\bigr)_{r=1}^N:\ f\colon\{1,\dots,s\}\to\mathbb{R},\ \textstyle\sum_\ell f(\ell)=0\Bigr\} $$
について、(i) 各 $V_j$ は $\mathbf 1$ に直交し次元は $s-1$、(ii) $j\ne l$ なら $V_j\perp V_l$ である。(iii) 最小二乗推定は $\hat\alpha_j(\ell)=\bar y_{j,\ell}-\bar y$ で、これは $\alpha_j(\ell)$ の不偏推定であり、異なる列の推定どうしは無相関である。(iv) $\sum_r(y_r-\bar y)^2=\sum_j\mathrm{SS}_j+\mathrm{SS}_{\mathrm{res}}$、$\mathrm{SS}_j=\frac Ns\sum_\ell(\bar y_{j,\ell}-\bar y)^2$ と、互いに直交する平方和に分かれる。$s=2$ なら効果 $\bar y_{j,2}-\bar y_{j,1}$ の分散は $4\sigma^2/N$ である。

(i) 列 $j$ と別の列 $l$ の対の釣り合いを列 $l$ の水準について足すと、列 $j$ の各水準はちょうど $s\cdot N/s^2=N/s$ 回現れる。よって $\sum_rf(c_j(r))=\frac Ns\sum_\ell f(\ell)=0$。各水準が現れるので $f\mapsto(f(c_j(r)))_r$ は単射で、次元は $s-1$ である。
(ii) $f,g$ を和が $0$ の関数とすると、強さ 2 から
$$ \sum_rf(c_j(r))\,g(c_l(r))=\frac N{s^2}\sum_{\ell,\ell'}f(\ell)g(\ell')=\frac N{s^2}\Bigl(\sum_\ell f(\ell)\Bigr)\Bigl(\sum_{\ell'}g(\ell')\Bigr)=0 . $$
(iii) 平均のベクトルは $U=\mathrm{span}(\mathbf 1)\oplus V_1\oplus\dots\oplus V_k$((i)(ii) から直交和)に入るので、最小二乗推定は $y$ の $U$ への直交射影で、それは各部分空間への射影の和である(正射影と射影行列)。列 $j$ の水準だけで決まるベクトルの空間 $\mathrm{span}(\mathbf 1)\oplus V_j$ への射影は、水準 $\ell$ の実験の成分を $\bar y_{j,\ell}$ で置き換えたベクトルである(同じ値をとる成分の組ごとに平均をとる射影)。これから $\mathbf 1$ への射影 $\bar y$ を引いたものが $V_j$ への射影で、成分は $\bar y_{j,c_j(r)}-\bar y$ である。射影は線形で、平均のベクトルの $V_j$ 成分は $(\alpha_j(c_j(r)))_r$ なので不偏である。$V_j$ と $V_l$ への射影 $\Pi_j,\Pi_l$ について $\operatorname{Cov}(\Pi_jy,\Pi_ly)=\sigma^2\Pi_j\Pi_l=0$ である。
(iv) 三平方の定理と、各水準が $N/s$ 回現れることによる。$s=2$ の効果は $N/2$ 個ずつの互いに素な実験の平均の差なので、分散は $\sigma^2(2/N+2/N)$ である。$\square$

列の数の上界

$\mathrm{OA}(N,k,s,2)$ が存在すれば $k(s-1)\le N-1$ である。

thm-doe-oa の (i)(ii) から、$V_1,\dots,V_k$ は $\mathbf 1$ の直交補空間(次元 $N-1$)の中の、互いに直交する $s-1$ 次元の部分空間である。次元を足して主張を得る。$\square$

$L_4(2^3)$ は $3\cdot1=4-1$ で等号が成り立ち、列をこれ以上増やせない。等号のとき (iv) の $\mathrm{SS}_{\mathrm{res}}$ は $0$ で、誤差を推定する自由度は残らない。2 水準の直交表は Hadamard行列 から作れる。

Hadamard 行列からの直交表

$H$ を $N$ 次($N\ge4$)の Hadamard 行列(成分が $\pm1$ で $HH^{\top}=NI$)とし、行に $\pm1$ を掛けて第 1 列をすべて $1$ にしておく。残りの $N-1$ 列で $1$ を水準 1、$-1$ を水準 2 と読むと $\mathrm{OA}(N,N-1,2,2)$ になる。

行に $\pm1$ を掛けても $HH^{\top}=NI$ は保たれ、Hadamard行列 の命題「列も直交する」から列どうしも直交する。第 1 列以外の列 $x$ は $\mathbf 1$ と直交するので、$+1$ と $-1$ が $N/2$ 個ずつである。2 つの列 $x,z$ で $(+,+)$、$(+,-)$、$(-,+)$、$(-,-)$ の個数を $n_{++},n_{+-},n_{-+},n_{--}$ とすると、$n_{++}+n_{+-}=n_{++}+n_{-+}=N/2$ から $n_{+-}=n_{-+}=N/2-n_{++}$、$n_{--}=N-n_{++}-2n_{+-}=n_{++}$ で、$x\cdot z=2n_{++}-2n_{+-}=4n_{++}-N=0$ から $n_{++}=N/4$、したがって 4 つともちょうど $N/4$ である。$\square$

計算の手順

  1. 実験単位と処理を決め、ブロックを作る。 応答に影響しそうで処理と関係のない違い(圃場の区画、実験日、被験者)があれば、似たものをまとめてブロックにする。
  2. 割り当てをくじで決める。 完全無作為化なら単位全体で、乱塊法なら各ブロックの中で、処理の並べ方を乱数で選ぶ。
  3. 因子が多いときは直交表に割り付ける。 因子の数と水準の数から $k(s-1)\le N-1$(cor-doe-rao)を満たす最小の表を選ぶ。交互作用が心配な因子の組は、その交互作用と重なる列を空けておく(反例の表の 5 行目)。
  4. 平方和に分解する。 乱塊法なら $\mathrm{SS}_A$、$\mathrm{SS}_B$、$\mathrm{SS}_E$ を計算し、和が $\mathrm{SS}_T$ になることを確かめる(thm-doe-rbd)。直交表なら列ごとの $\mathrm{SS}_j$ を計算する。
  5. $F$ 検定と効果の推定。 平均平方の比を $F$ 分布の上側の点と比べ、効果の大きさは水準ごとの平均で示す。残差を処理・ブロックに対して描き、交互作用や外れ値がないかを確かめる。
    図: 左は 3 つの処理と 4 つのブロックの乱塊法のデータ(例題の表)を、ブロックごとの折れ線で描いたもの。横軸は処理、縦軸は応答。ブロック 3 は 10 から 13、ブロック 4 は 17 から 20 で、ブロックの間の差が処理の間の差より大きい。どのブロックでも処理 1 が最も低い。右は各観測からそのブロックの平均を引いた値を処理ごとに並べたもの。処理 1 は −1.67 から −1.00、処理 2 は 0.33 から 1.67、処理 3 は −0.33 から 1.33 にあり、横線で示した処理ごとの平均は −1.42、0.83、0.58 である。 図: 左は 3 つの処理と 4 つのブロックの乱塊法のデータ(例題の表)を、ブロックごとの折れ線で描いたもの。横軸は処理、縦軸は応答。ブロック 3 は 10 から 13、ブロック 4 は 17 から 20 で、ブロックの間の差が処理の間の差より大きい。どのブロックでも処理 1 が最も低い。右は各観測からそのブロックの平均を引いた値を処理ごとに並べたもの。処理 1 は −1.67 から −1.00、処理 2 は 0.33 から 1.67、処理 3 は −0.33 から 1.33 にあり、横線で示した処理ごとの平均は −1.42、0.83、0.58 である。

例題

4 単位の完全無作為化

$N=4$、$n_1=2$ で、潜在結果が $y(1)=(5,7,8,10)$、$y(0)=(3,6,4,9)$ のとき、$\binom42=6$ 通りの割り当てでの $\hat\tau$ を並べ、期待値と分散を確かめる。
使う公式:thm-doe-neyman。
答え:$\tau_u=(2,1,4,1)$、$\bar\tau=2$。処理を受ける単位の組 $\{1,2\},\{1,3\},\{1,4\},\{2,3\},\{2,4\},\{3,4\}$ で $\hat\tau=-0.5,\ -1,\ 2.5,\ 1.5,\ 5,\ 4.5$、平均は $2=\bar\tau$。分散は $\frac{31}6\approx5.167$ で、$S_1^2=\frac{13}3$、$S_0^2=7$、$S_\tau^2=2$ から公式の値 $\frac{13}6+\frac72-\frac12=\frac{31}6$ と一致する。

乱塊法の分散分析

処理 3 つ、ブロック 4 つで、応答が次のとおりのとき、処理の効果を有意水準 $5\%$ で検定する。

ブロック 1ブロック 2ブロック 3ブロック 4
処理 112151017
処理 214181219
処理 313161320

使う公式:thm-doe-rbd。
答え:$\mathrm{SS}_T\approx106.92$、$\mathrm{SS}_A=\frac{73}6\approx12.17$、$\mathrm{SS}_B\approx90.92$、$\mathrm{SS}_E=\frac{23}6\approx3.83$。$F=\frac{12.17/2}{3.83/6}\approx9.52$ で、$F(2,6)$ の上側 $5\%$ 点 $5.14$ を超え($p\approx0.014$)、処理の効果は有意である。ブロックを無視した一元配置では誤差の平方和が $\mathrm{SS}_B+\mathrm{SS}_E=94.75$ になり、$F\approx0.578$($F(2,9)$、$p\approx0.58$)で有意にならない。

平均の計算を開く

処理の平均は $13.5,\ 15.75,\ 15.5$、ブロックの平均は $13,\ 16.33,\ 11.67,\ 18.67$、全平均は $14.917$。$\mathrm{SS}_A=4\bigl((-1.417)^2+0.833^2+0.583^2\bigr)=12.17$、$\mathrm{SS}_E$ は残差 $y_{ij}-\bar y_{i\cdot}-\bar y_{\cdot j}+\bar y$ の 2 乗和で、和 $\mathrm{SS}_A+\mathrm{SS}_B+\mathrm{SS}_E$ は $\mathrm{SS}_T$ と一致する。

$L_4(2^3)$ での主効果

$L_4(2^3)$ の 4 回の実験で応答が $20,24,27,33$ だったとき、3 つの因子の効果と平方和を求める。
使う公式:thm-doe-oa。
答え:列 1 の水準 1・2 の平均は $22,30$ で効果 $8$、列 2 は $23.5,28.5$ で効果 $5$、列 3 は $26.5,25.5$ で効果 $-1$。$\mathrm{SS}_j$ はそれぞれ $64,25,1$ で、和は総平方和 $90$ に等しい($k(s-1)=N-1$ なので残差の平方和は $0$)。

ラテン方陣と 3 水準の直交表

3 次の ラテン方陣 $L(i,j)=i+j\bmod3$ から $\mathrm{OA}(9,3,3,2)$ を作り、列を 1 つ足して $L_9(3^4)$ を得る。
使う公式:def-doe-oa、cor-doe-rao。
答え:9 個のマス $(i,j)$ を行とし、列を $i$、$j$、$i+j$、$i+2j$(いずれも $\bmod3$)とすると、どの 2 列でも 9 通りの対が 1 回ずつ現れる。$k(s-1)=4\cdot2=8=N-1$ で、cor-doe-rao の等号が成り立つ。後ろの 2 列は互いに直交する 2 つのラテン方陣にあたる(ラテン方陣 の「直交配列とラテン方陣グラフ」の節)。

使える条件と反例

各行は、表に挙げた定理の仮定を 1 つだけ外す。

外す仮定反例成り立たなくなること
無作為な割り当て(thm-doe-neyman)ex-doe-neyman で、対照の応答が大きい単位 2・4 を処理に選ぶ$\hat\tau=5\ne\bar\tau=2$ で、不偏でない
加法性(thm-doe-rbd)$a=b=2$、平均に交互作用 $\delta\begin{pmatrix}1&-1\\-1&1\end{pmatrix}$ を足す$\mathbb{E}\,\mathrm{SS}_E=\sigma^2+4\delta^2$ で、$\mathrm{SS}_E/\sigma^2$ はカイ二乗分布に従わない
誤差の正規性(thm-doe-rbd)$a=b=2$、誤差が確率 $\frac12$ ずつで $\pm1$$\mathrm{SS}_E$ は $0,1,4$ を確率 $\frac38,\frac12,\frac18$ でとり、$\chi^2_1$ に従わない
強さ 2(thm-doe-oa)$N=8$、$x=(+,+,+,+,-,-,-,-)$、$z=(+,+,+,-,+,-,-,-)$因子 $x$ に効果がなく $z$ の効果が $2$ のとき、$x$ の効果の推定の期待値が $1$ で、不偏でない
加法性(thm-doe-oa)$L_4(2^3)$ で、列 1 と列 2 の因子に交互作用 $\gamma x_1x_2$ だけがある効果のない列 3 の因子の推定の期待値が $-2\gamma$ になる
反例の確かめを開く

1 行目:$\hat\tau=(7+10)/2-(3+4)/2=5$。2 行目:交互作用の行列は $\Pi_E$ の像に入り、$\lvert\cdot\rvert^2=4\delta^2$ が $\mathrm{SS}_E$ の期待値に加わる。$\mathrm{SS}_E/\sigma^2$ は非心カイ二乗分布に従う。3 行目:$\mathrm{SS}_E=(\varepsilon_{11}-\varepsilon_{12}-\varepsilon_{21}+\varepsilon_{22})^2/4$ で、括弧の中は $0,\pm2,\pm4$ を確率 $\frac6{16},\frac8{16},\frac2{16}$ でとる。4 行目:$x\cdot z=4\ne0$。$y=z$(効果 $2$)なら $x=+$ の 4 回の $z$ の平均は $\frac12$、$x=-$ では $-\frac12$ で、差は $1$。5 行目:$\pm1$ で書くと列 3 は列 1 と列 2 の積で、$\gamma x_1x_2$ はそのまま列 3 の主効果と区別できない(水準 2 を $-1$ に対応させた)。

よくある誤り

誤り正しくはなぜ
乱塊法のデータを一元配置で解析するブロックの平方和を分けて誤差から除くex-doe-rbd
割り当てを都合のよい単位に決めるくじで決める。不偏性はくじだけが保証するthm-doe-neyman、反例の表の 1 行目
直交表の列の効果を、交互作用があっても主効果と読む交互作用と重なる列(別名)があることを確かめる反例の表の 5 行目
列を埋め尽くした直交表で誤差を推定する$k(s-1)=N-1$ なら残差の自由度は $0$。空き列を残すか反復するcor-doe-rao、ex-doe-l4
ブロックと処理に交互作用があっても $F$ 検定をそのまま使う交互作用は $\mathrm{SS}_E$ に入り、誤差の推定が大きくなる反例の表の 2 行目

補足

関連する計画

処理の数より 1 ブロックの単位が少ないときは、どの 2 処理も同じ回数だけ同じブロックに入るように組む 釣り合い型不完備ブロック計画 が使われる。行と列の 2 方向にブロックがあるときは、$a\times a$ の ラテン方陣 で処理を割り当てる ラテン方格法 が使われ、これは $\mathrm{OA}(a^2,3,a,2)$ にあたる。2 水準の因子をすべて組み合わせる計画($2^k$ 要因計画)では、交互作用も thm-doe-oa と同じ直交性で分解できる。直交表の列の一部だけを使う計画では、どの効果どうしが重なるかを先に確かめておく。応答のモデルを仮定した分散分析と、くじの分布だけを使う thm-doe-neyman の考え方は、因果推論 の潜在結果の枠組みにつながる。

文献

ER10 §10.4.4(式 (10.4.8)、p. 594)。

関連項目

参考文献

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する