效应混叠结构摘要（SEAS）：用于因子和超饱和设计的新描述性统计量
统计方法学
2021-01-18 v3
摘要
在超饱和设计的评估和选择中，交互效应的混叠结构通常被传统准则（如 -最优性）所忽略。我们引入效应混叠结构摘要（SEAS）用于评估超饱和设计及其他非正则分式因子设计的混叠结构，其考虑了交互项并提供比通常摘要（如（广义）分辨度和字长模式）更详细的细节。新摘要由三个准则组成，缩写为 MAP：（1）最大依赖混叠模式；（2）平均平方混叠模式；（3）成对依赖比。在传统准则无法区分设计时，这些准则提供了洞察。我们从理论上研究了 MAP 准则与传统量之间的关系，并演示了使用 SEAS 比较一些示例超饱和设计（包括文献中建议的设计）的用法。我们还提出了 SEAS 的一个变体，用于度量设计各列的混叠结构，并用其为一个 -最优设计选择因子到列的分配。
引用
@article{arxiv.1711.11488,
title = {Summary of effect aliasing structure (SEAS): new descriptive statistics for factorial and supersaturated designs},
author = {Frederick Kin Hing Phoa and Yi-Hua Liao and David C. Woods and Shah-Kae Chou},
journal= {arXiv preprint arXiv:1711.11488},
year = {2021}
}