CRAN 任务视图：实验设计 (DoE) 和实验数据分析

此任务视图收集有关 R 包的信息，这些包用于实验设计和分析实验数据。仅专注于分析且对设计创建没有相关贡献的包不在本任务视图的范围内。如果您认为有新的包或主要的包更新应该包含在此处，请随时提出改进建议，并通过电子邮件发送给维护者，或通过在上面链接的 GitHub 存储库中提交问题或拉取请求。

实验设计应用于许多领域，并且方法已针对各个领域的需求进行了调整。此任务视图从历史上最早的应用领域——农业实验开始。随后，它涵盖了最通用的软件包，接着是关于工业实验、计算机实验和临床试验环境中实验的特定部分（此部分最终将被删除；用于临床试验的实验设计软件包将被整合到临床试验任务视图中），最后以关于为其他特定目的而开发的各种特殊实验设计软件包的部分结束。当然，领域之间的划分并不总是明确的，一些来自更专业部分的软件包也可以应用于一般环境。

您可能还会注意到，维护人员的经验主要来自工业实验（广义上），这可能解释了对事物的某种偏见。欢迎志愿者共同维护。

用于农业和植物育种实验的实验设计

软件包 agricolae 是迄今为止此任务视图中使用最广泛的软件包（截至 2017 年 10 月）。它提供了广泛的实验设计功能，尤其适用于农业和植物育种实验，这些功能也可以用于其他目的。它支持规划格点设计、因子设计、随机完全区组设计、完全随机设计、（希腊-拉丁）方阵设计、平衡不完全区组设计和 alpha 设计。还有一些用于实验数据的分析工具，例如治疗比较程序和一些非参数检验，但也有一些针对特定类型实验的非常专业的可能性。软件包 desplot 用于绘制农业实验的布局。软件包 agridat 提供了大量有用的农业数据集。

用于一般目的的实验设计

有一些软件包可以用于创建和分析通用实验设计：首先，基础包 stats 中的标准（广义）线性模型函数对于分析来自设计实验的数据非常重要（特别是函数 `lm()`、`aov()` 以及针对结果线性模型对象的函数和方法）。Kuhnert 和 Venables (2005, p. 109 ff.) 对此进行了简洁的解释；Vikneswaran (2005) 指出了实验设计的特定用法（使用函数 `contrasts()`、多重比较函数以及一些便利函数，如 `model.tables()`、`replications()` 和 `plot.design()`）。Lawson (2014) 是一本关于 R 中实验设计的优秀入门教材，提供了许多示例应用。Lalanne (2012) 为 Montgomery (2005) 的知名书籍提供了 R 伴侣；他目前涵盖了大约前十章；他没有包含 R 的设计生成工具，而是主要讨论了现有设计的分析。软件包 GAD 处理具有固定和/或随机效应以及嵌套效应（后者只能是随机效应）的通用平衡方差分析模型；他们引用了 Underwood (1997) 的工作。该软件包非常有价值，因为许多用户在使用 R 软件包处理随机效应或混合效应时遇到困难。软件包 ez 旨在支持基于 “ggplot2” 软件包的因子实验的直观分析和可视化。

• 软件包 AlgDesign 创建具有或不具有额外定量变量的完全因子设计，创建混合设计（即，因子水平之和为 1=100%；仅创建格点设计）并使用 Federov (1972) 算法精确或近似地创建 D-、A- 或 I- 最优设计，可能带有区组。
• 包 skpr (Morgan-Wall 和 Khoury，2021) 还提供最优设计（D、I、A、Alias、G、T 或 E 最优）；还可以选择最优性标准用于逐步创建裂区设计。该包还可以评估设计的功效并显示诊断图。
• 包 OptimalDesign 同样计算未分组的 D-、A- 或 I-最优设计（它们使用“IV-最优”而不是“I-最优”）精确或近似，仅处理定量变量，包括混合设计；该包使用不同的算法（例如 Atkinson、Donev 和 Tobias 2007，Harman 和 Filova 2014），其中一些算法依赖于 gurobi 软件的可用性（http://www.gurobi.com/，学术界和学术机构免费）及其配套的 R 包“gurobi”（不在 CRAN 上）。
• 包 ICAOD 根据 Masoudi、Holling 和 Wong（2016）实现了“用于最优设计的帝国主义竞争算法”，用于非线性模型。包 PopED 为非线性混合效应模型提供最优设计。
• 还有各种其他包处理不同类型的最优设计：包 rodd 提供 T-最优设计，也称为最优判别设计（Dette、Melas 和 Shpilev 2013，Dette、Melas 和 Guchenko 2014），包 acebayes 使用近似坐标交换算法计算最优贝叶斯设计，包 OBsMD 根据 Consonni 和 Deldossi（2015）提供“后续设计中的客观贝叶斯模型判别”。针对非常特定目的的其他最优设计包列在本视图的末尾。
• 包 conf.design 允许创建具有某些交互效应与区组混杂的设计（函数 conf.design()）并允许以多种方式组合现有设计（例如，对于工业实验中的田口内阵和外阵设计很有用）。
• 存档的包“planor”允许生成具有固定和混合水平以及相当灵活的随机化结构的正则分数阶乘设计。该包的灵活性以一定的复杂性和 - 对于较大的设计 - 高计算时间为代价。尽管它已在 CRAN 上存档，但它仍然有效，并且可以创建其他任何包都无法创建的一些设计，因此它被列在这里。
• 包 ibd 用于创建和分析不完全区组设计。包 PGM2、RPPairwiseDesign 和 CombinS 都生成与（可解的）（部分）平衡不完全区组设计相关的设计。包 PBIBD 还为专家提供了一些系列的部分平衡不完全区组设计。
• 包 crossdes 用于创建和分析各种类型的交叉设计（包括拉丁方、互正交拉丁方和尤登方），例如可用于感官计量学。包 Crossover 也提供交叉设计；它提供文献中的设计和算法设计，利用 crossdes 中的功能，并提供一个 GUI。
• 包 DoE.base 提供带有或不带有区组的完全析因设计（函数 fac.design）和正交表（函数 oa.design），用于主效应实验（由 Kuhfeld 2009 列出的最多 144 次运行，以及一些额外的运行）。还有一些功能用于评估正交表的质量，与 Groemping 和 Xu (2014) 以及 Groemping (2017) 相关，以及一些分析功能，以非常通用的形式提供半正态效应图（Groemping 2015）。
  包 DoE.base 也是一组相关包的基础：与 FrF2（参见下文）和 DoE.wrapper 一起，它为 GUI 包 RcmdrPlugin.DoE（beta 版；教程见 Groemping 2011）提供了工作马，该包将实验设计功能集成到 R-Commander（包“Rcmdr”，Fox 2005）中，以造福那些无法或不想进行命令行编程的 R 用户。包 DoE.wrapper 在该套件中的作用是将其他包的功能包装到该套件的输入和输出结构中（到目前为止，对于响应面设计，使用包 rsm（参见下文），计算机实验设计，使用包 lhs 和 DiceDesign（参见下文），以及 D-最优设计，使用包 AlgDesign（参见上文）。
• 软件包 DoE.MIParray 为析因实验创建优化的正交阵列（甚至超饱和阵列）。使用此软件包创建的阵列可以用作软件包 DoE.base 中函数 oa.design 的输入。但是，请注意，该软件包仅与至少一个商业优化器 Gurobi（随软件提供的 R 软件包 gurobi）或 Mosek（从供应商处下载的 R 软件包 Rmosek（CRAN 上有一个过时的版本））结合使用才有用。
• 软件包 dae 提供了围绕实验设计和操作 R 因子的各种实用程序函数，例如：用于根据 Bailey 1981 对大多数交叉和嵌套结构进行随机化的例程，一个可以为任何设计生成显示设计中固有的混杂和别名关系的骨架 ANOVA 表的函数，以及用于使用 R 软件包“ggplot2”绘制设计的函数。此外，该软件包还提供对 aov() 函数返回的对象进行后处理。
• 软件包 daewr 作为 Lawson（2014）的书籍《实验设计与分析》的配套软件，不仅提供了书中的数据集，还提供了一些在 R 中其他地方不可用的独立功能，例如：确定性筛选设计。
• 软件包 OPDOE 作为 Rasch 等人（2011）的书籍《使用 R 进行最优实验设计》的配套软件。它有一些有趣的样本量估计功能，但在没有这本书的情况下几乎无法使用（我不建议购买第一版）。
• 软件包 blockTools 将单元分配到块中，以便在块大小过小的情况下最终得到同质的块集，并提供用于随机化和报告的进一步功能；软件包 blocksdesign 允许创建嵌套块结构。
• 有几个软件包用于确定实验环境中的样本量，其中一些非常通用，另一些非常专业。这里提到了所有这些：软件包 powerbydesign 和 easypower 处理析因实验的功效、样本量和/或效应量估计。软件包 JMdesign 处理联合建模纵向和生存数据的特殊情况下的功效，软件包 PwrGSD 处理组序设计的功效，软件包 powerGWASinteraction 处理全基因组关联研究中交互作用的功效，软件包 ssizeRNA 处理 RNA 测序实验的样本量，软件包 ssize.fdr 处理微阵列实验中的样本量（要求一定的功效，同时限制错误发现率）。

工业实验的实验设计

一些额外的软件包专门处理工业实验的设计，这些实验通常高度分馏，有意混杂，并且只有很少的额外自由度用于误差。

分数阶乘2水平设计在工业实验中尤为重要。

• 软件包 FrF2 (Groemping 2014) 是用于创建它们的综合性 R 软件包。它为具有 2 个水平的因素生成正交分数阶乘设计，以及 Plackett-Burman 型筛选设计。正交分数阶乘默认使用最大分辨率最小混杂设计，并且可以通过多种方式进行自定义，并由一个内置的设计目录支持（包括 Chen、Sun 和 Wu 1993 编目的设计，以及 Block 和 Mee 2005 以及 Xu 2009 编目的更大设计；附加软件包 FrF2.catlg128 为特殊目的提供了分辨率 IV 128 运行设计（最多 23 个因素）的非常完整的目录）。在分析方面，FrF2 提供简单的图形分析工具（正态和半正态效应图（从 BsMD 修改而来，参见下文）、主效应图和交互图矩阵，类似于 Minitab 软件中的那些，以及用于三个因素组合的立方图）。它还可以显示 2 水平因素的正交分数阶乘的别名结构，无论它们是否使用该软件包创建。
  分数阶乘 2 水平计划也可以通过其他 R 软件包创建，即 BHH2，或者通过软件包 conf.design 或 AlgDesign 以稍微复杂的方式创建。软件包 ALTopt 为加速寿命试验提供最佳设计。
• 软件包 BHH2 伴随 Box、Hunter 和 Hunter 的第二版书籍，并提供了其各种数据集。它可以从多个因素和定义关系列表中生成完整和分数阶乘两水平设计（函数 ffDesMatrix()，不如软件包 FrF2 方便）。它还提供了一些用于分析来自 2 水平阶乘实验的数据的函数：函数 anovaPlot 评估相对于残差的效应大小，函数 lambdaPlot() 评估 Box-Cox 变换对效应统计显著性的影响。
• BsMD 提供 Box 和 Meyer (1986) 提出的贝叶斯图，以及效应图（正态、半正态和 Lenth），用于评估哪些效应在具有 2 水平因素的分数阶乘实验中处于活动状态。
• 软件包 unrepx 提供了一系列用于评估来自无重复阶乘实验的效应估计的方法，包括其他软件包中也存在的许多效应图，但也包括其他可能性。
• 小型软件包 FMC 提供了具有最少水平变化的析因设计；该软件包没有采取任何措施来考虑这可能带来的统计影响。因此，在许多实验情况下，使用该软件包必须被认为风险很大，因为在许多实验中，一些变异是由水平变化引起的。对于这种情况（它们是常态而不是例外），在分析中没有采取预防措施的情况下最小化水平变化将导致误导性的结果。
• 软件包 pid 伴随 Dunn (2010-2016) 的在线书籍，并且也大量使用 Box、Hunter 和 Hunter 的书籍；它提供了各种数据集，这些数据集主要来自分数析因 2 水平设计。

除了用于规划和分析析因设计的工具外，R 还为定量因素的响应面优化提供支持（例如，参见 Myers 和 Montgomery 1995）。

• 软件包 rsm 支持使用一阶和二阶响应面模型（中心复合设计或 Box-Behnken 设计）的顺序优化，提供最速上升等优化方法以及线性模型对象的响应函数可视化。此外，还简化了响应面研究的编码。
• 软件包 DoE.wrapper 增强了从软件包 rsm 创建设计的可能性，包括自动选择中心复合设计的立方部分以及用星形部分增强现有的（分数）析因 2 水平设计。
• 小型软件包 rsurface 提供了可旋转的中心复合设计，用户为其指定实验变量的最小值和最大值，而不是立方体的角点。
• 小型软件包 minimalRSD 提供了具有最少水平变化的中心复合设计和 Box-Behnken 设计；该软件包没有采取任何措施来考虑这可能带来的统计影响。因此，在许多实验情况下，使用该软件包必须被认为风险很大，因为在许多实验中，一些变异是由水平变化引起的。对于这种情况（它们是常态而不是例外），在分析中没有采取预防措施的情况下最小化水平变化将导致误导性的结果。
• 软件包 OptimaRegion 提供了用于检查二次多项式和薄板样条模型的响应面的最佳区域的功能，并且可以计算两个最优值之间距离的置信区间。
• 软件包 vdg 使用蒙特卡罗抽样创建方差分散图（Vining 1993）。
• 软件包 EngrExpt 提供了 Nelson、Coffin 和 Copeland (2003) 的书籍《工程实验入门统计学》中的一组数据集。

在一些行业中，成分的混合物很重要；这些需要特殊的设计，因为定量因素的总量是固定的。混合设计由软件包 AlgDesign（函数 gen.mixture，格点设计，格点设计和单纯形中心设计）和 mixexp（用于单纯形中心、单纯形格点和极值顶点设计以及绘图的几个小型函数）处理。

偶尔，过饱和设计可能会有用。两个小型软件包 mkssd 和 mxkssd 提供固定水平和混合水平 k-循环过饱和设计。前面提到的软件包 DoE.MIParray 也可以提供（小型！）过饱和阵列（通过选择分辨率 II），但需要至少存在一个商业优化器 Gurobi 或 Mosek 。

计算机实验的实验设计

具有定量因素的计算机实验需要特殊类型的实验设计：通常可以包含许多不同水平的因素，并且重复通常不会有益。此外，实验区域通常太大，无法假设线性或二次模型充分地代表了正在研究的现象。因此，希望用尽可能多的点填充实验空间（空间填充设计），以使每次运行都能提供额外的信息，即使某些因素最终被证明是无关紧要的。 lhs 软件包为此目的提供了拉丁超立方设计。此外，该软件包提供了分析此类计算机实验的方法，重点是进行后续实验。另一个具有类似方向的软件包是 DiceDesign 软件包，它添加了更多构建空间填充设计的方法以及一些用于评估计算机实验设计质量的指标。 DiceKriging 软件包提供了克里金方法，该方法通常用于从计算机实验中创建元模型， DiceEval 软件包创建和评估元模型（包括克里金模型），以及 DiceView 软件包提供了用于查看多维元模型切片的工具。

包 MaxPro 提供了 Joseph、Gul 和 Ba (2015) 提出的最大投影设计。包 SLHD 提供了根据 Ba 等人 (2015) 的最佳切片拉丁超立方设计，包 sFFLHD 提供了根据 Duan 等人 (2017) 的切片全因子拉丁超立方设计。包 simrel 允许根据 Martens 等人 (2010) 的多级二元替换 (MBR) 策略创建计算机实验设计。包 minimaxdesign (已归档) 提供了根据 Mak 和 Joseph (2016) 的极小极大设计和极小极大投影设计。包 SOAs 提供了由各种作者提供的层 (又称强) 正交阵列，如 Grömping (2021) 及其参考文献中所述。

包 tgp 是另一个专门用于规划和分析计算机实验的包。这里，重点是贝叶斯方法。例如，该包可以与各种类型的（代理）模型一起用于顺序优化，例如使用预期改进标准来优化噪声黑盒目标函数。包 plgp 和 dynaTree 通过粒子学习设施和动态回归树的学习来增强 tgp 提供的功能。

包 BatchExperiments 也是为计算机实验设计的，在这种情况下，专门针对在不同场景下运行算法的实验。该包在 Bischl 等人 (2012) 的技术报告中进行了描述。

临床试验的实验设计

此任务视图仅涵盖特定实验设计包（最终也将从这里删除）；可能存在一些灰色区域。请还咨询 临床试验 任务视图。

• 包 experiment 包含用于临床实验的工具，例如随机化工具，并提供了一些用于临床试验的特殊分析选项。
• 包 ThreeArmedTrials 提供了用于三臂优越性或非劣效性试验的设计和分析工具。除了标准功能外，该包还包括 Muetze 等人 (2016) 中讨论的负二项式响应情况。
• 包 gsDesign 实现组序设计，包 GroupSeq 为此类设计中的概率支出提供 GUI，包 OptGS 接近最优的平衡组序设计。包 seqDesign 处理具有时间到事件终点的组序两阶段治疗有效性试验。
• 包 binseqtest 处理顺序单臂二元响应试验。
• 包 asd 实现自适应无缝设计（参见例如 Parsons 等人 2012）。
• 包 bcrm 和 crmPack 提供贝叶斯 CRM 设计。
• 包 MAMS 提供多臂多阶段研究的设计。
• 包 BOIN 提供贝叶斯最优区间设计，用于 I 期临床试验以寻找最大耐受剂量。
• 该 DoseFinding 包提供用于剂量寻找实验设计和分析的功能（例如制药 II 期临床试验）；它结合了“MCPMod”包的功能（维护已停止；在 Bornkamp、Pinheiro 和 Bretz 2009 中描述）以及一种特殊类型的用于剂量寻找情况的最优设计（MED 最优设计或 D 最优设计或两者的混合；参见 Dette 等人 2008）。
• 包 TEQR 提供 I 期临床试验的毒性等效范围设计（Blanchard 和 Longmate 2010），包 pipe.design 所谓的独立 beta 概率乘积剂量递增（PIPE）设计用于 I 期。包 dfcrm 提供 I 期经典或 TITE 持续重新评估试验的设计。
• 包 dfcomb 和 dfmta 分别为联合研究或单一分子靶向药物提供 I/II 期自适应剂量寻找设计。
• 包 ph2bayes 和 ph2bye 关注贝叶斯单臂 II 期试验。
• 包 sp23design 声称提供 II 期到 III 期无缝衔接。

特殊用途的实验设计

各种其他包处理实验设计中的特殊情况

• 包 desirability 提供将多个目标标准组合成期望函数的方法，以简化多标准分析。
• osDesign 设计嵌套在观察性研究中的研究，designmatch 也可用于此目的。
• 包 optbdmaeAT、optrcdmaeAT 和 soptdmaeA 为双色 cDNA 微阵列实验提供最佳区组设计、最佳行-列设计以及顺序最佳或接近最佳的区组或行-列设计，其最优性根据 A-、MV-、D- 或 E-准则。
• 包 docopulae 根据 Perrone 和 Mueller (2016) 实现 copula 模型的最佳设计。
• 包 MBHdesign 提供空间平衡设计，允许包含预先指定的（遗留）站点。更复杂的包 geospt 允许优化采样点的空间网络（例如，参见 Santacruz、Rubiano 和 Melo 2014）。
• 包 SensoMineR 包含用于感官研究的特殊设计，例如三角测试。
• 包 choiceDes 创建选择设计，重点关注离散选择模型和 MaxDiff 功能；它基于最优设计。包 idefix 为基于多项式 logit 模型的离散选择实验提供 D-有效设计，并为混合多项式 logit 模型提供单独调整的设计（Crabbe 等人 2014）。包 support.CEs 提供工具，用于基于正交阵列创建用于市场研究调查的陈述选择设计。
• 包 odr 为在条件和单元特定成本结构下的聚类随机试验创建最优设计。

此任务视图中包的关键参考文献

• Atkinson, A.C. 和 Donev, A.N. (1992)。最优实验设计。牛津：克拉伦登出版社。
• Atkinson, A.C., Donev, A.N. 和 Tobias, R.D. (2007)。最佳实验设计，使用 SAS。牛津大学出版社，牛津。
• Ba,S., Brenneman, W.A. 和 Myers, W.R. (2015)。最佳分层拉丁超立方设计。技术计量学 57 479-487。
• Bailey, R.A. (1981)。实验设计的一种统一方法。英国皇家统计学会会刊，A辑 144 214-223。
• Ball, R.D. (2005)。用于在非结构化随机人群关联研究中可靠检测连锁不平衡的实验设计。遗传学 170 859-873。
• Bischl, B., Lang, M., Mersmann, O., Rahnenfuehrer, J. 和 Weihs, C. (2012)。在高性能集群上使用 R 进行计算：BatchJobs 和 BatchExperiments 包。技术报告 1/2012，德国多特蒙德工业大学。
• Blanchard, M.S. 和 Longmate, J.A. (2010)。毒性当量范围设计 (TEQR)：一种实用的 I 期设计。当代临床试验 doi:10.1016/j.cct.2010.09.011。
• Block, R. 和 Mee, R. (2005)。具有 128 次运行的 IV 分辨率设计。质量技术杂志 37 282-293。
• Bornkamp B., Pinheiro J. C. 和 Bretz, F. (2009)。MCPMod：用于剂量寻找研究的设计和分析的 R 包。统计软件杂志 29 (7) 1-23。
• Box G. E. P, Hunter, W. C. 和 Hunter, J. S. (2005)。实验者统计（第二版）。纽约：Wiley。
• Box, G. E. P 和 R. D. Meyer (1986)。对无重复分数因子进行的分析。技术计量学 28 11-18。
• Box, G. E. P 和 R. D. Meyer (1993)。在分数筛选实验中寻找活性因素。质量技术杂志 25 94-105。
• Chasalow, S., Brand, R. (1995)。单纯形格点生成。英国皇家统计学会会刊，C辑 44 534-545。
• Chen, J., Sun, D.X. 和 Wu, C.F.J. (1993)。2 水平和 3 水平正交表的目录。国际统计评论 61 131-145。
• Consonni, G. 和 Deldossi, L. (2015)，后续实验设计中的客观贝叶斯模型判别 DOI 10.1007/s11749-015-0461-3。测试。
• Collings, B. J. (1989)。快速混杂。技术计量学 31 107-110。
• Cornell, J. (2002)。混合物实验。第三版。Wiley。
• Crabbe, M., Akinc, D. 和 Vandebroek, M. (2014)。为混合 logit 选择模型生成个性化设计的快速算法。交通研究 B 部分：方法论 60 , 1-15。
• Daniel, C. (1959)。在解释双水平实验中使用半正态图。技术计量学 1 311-340。
• Derringer, G. 和 Suich, R. (1980)。多个响应变量的同步优化。质量技术杂志12 214-219。
• Dette, H.，Bretz, F.，Pepelyshev, A. 和 Pinheiro, J. C. (2008)。剂量寻找研究的最佳设计。美国统计协会杂志103 1225-1237。
• Dette, H.，Melas, V.B. 和 Shpilev, P. (2013)。鲁棒 T 最优判别设计。统计年鉴41 1693-1715。
• Dette H.，Melas V.B. 和 Guchenko R. (2014)。贝叶斯 T 最优判别设计。 ArXiv 链接 。
• Duan, W.，Ankenman, B.E. Sanchez, S.M. 和 Sanchez, P.J. (2017)。基于切片全因子设计的拉丁超立方设计作为批次顺序设计算法的框架。技术计量学59 , 11-22。
• Dunn, K. (2010-2016)。使用数据进行流程改进。 在线书籍。
• Federov, V.V. (1972)。最优实验理论。学术出版社，纽约。
• Fox, J. (2005)。 R 指挥官：R 的基本统计图形用户界面 。统计软件杂志14 (9) 1-42。
• Gramacy, R.B. (2007)。 tgp：一个用于贝叶斯非平稳、半参数非线性回归和树状高斯过程模型设计的 R 包 。统计软件杂志19 (9) 1-46。
• Groemping, U. (2011)。 使用 R 包 RcmdrPlugin.DoE 设计实验的教程 。 数学、物理和化学报告 ，柏林应用技术大学二系。
• Groemping, U. (2014)。R 包 FrF2 用于创建和分析分数因子 2 水平设计。统计软件杂志56 (1) 1-56。
• Groemping, U. (2015)。在少数误差自由度的情况下增强半正态效应图。质量与可靠性工程国际31 , 1185-1196。DOI：10.1002/qre.1842。
• Groemping, U. (2017)。用于因子设计编码不变质量评估的频率表。IISE 交易49 , 505-517。
• Groemping, U. 和 Xu, H. (2014)。正交阵的广义分辨率。统计年鉴42 918-939。
• Groemping, U. (2021)。分层（又称强）正交阵的统一实现。 报告 01/2021，柏林 BHT 二系。
• Harman R.，Filova L.（2014）：使用整数二次规划计算高效精确实验设计，计算统计与数据分析71 1159-1167
• Hoaglin D.，Mosteller F. 和 Tukey J.（编辑，1991）。探索性方差分析基础。Wiley，纽约。
• Jones，B. 和 Kenward，M.G.（1989）。交叉试验的设计与分析。Chapman 和 Hall，伦敦。
• Johnson，M.E.，Moore L.M. 和 Ylvisaker D.（1990）。极小极大距离设计。统计规划与推断杂志26 131-148。
• Joseph，V. R.，Gul，E. 和 Ba，S.（2015）。计算机实验的最大投影设计。生物统计学102 371-380。
• Kuhfeld，W.（2009）。正交阵列。SAS Institute Inc. 网站提供，访问时间为 2010 年 8 月 4 日。URL http://support.sas.com/techsup/technote/ts723.html。
• Kuhnert，P. 和 Venables，B.（2005）R 简介：统计建模与计算软件。URL http://CRAN.R-project.org/doc/contrib/Kuhnert+Venables-R_Course_Notes.zip。（PDF 文档（约 360 页），包含讲义、数据集和 R 脚本）
• Kunert，J.（1998）。感官实验作为交叉研究。食品质量与偏好9 243-253。
• Lalanne，C.（2012）。蒙哥马利实验设计与分析的 R 伴侣。手稿，可从 URL 下载 http://www.aliquote.org/articles/tech/dae/dae.pdf。（该文件与蒙哥马利 2005 年的书（参见下文）配套。）
• Lawson，J.（2014）。R 实验设计与分析。Chapman 和 Hall/CRC，博卡拉顿。
• Lenth，R.V.（1989）。无重复析因的快速简便分析。技术计量学31 469-473。
• Lenth，R.V.（2009）。使用 rsm 的 R 中的响应面方法。统计软件杂志32（7）1-17。
• Mak，S. 和 Joseph，V.R.（2016）。使用聚类的极小极大设计。计算与图形统计杂志。正在修订中。
• Martens，H.，Mage，I.，Tondel，K.，Isaeva，J.，Hoy，M. 和 Saebo，S.（2010）。高维非线性系统计算机实验的多级二元替换 (MBR) 设计，J. Chemom.24 748-756。
• Masoudi，E.，Holling，H. 和 Wong，W.-K.（2016）。帝国竞争算法在寻找极小极大和标准化极大极小最优设计中的应用。计算统计与数据分析，即将出版。DOI：10.1016/j.csda.2016.06.014
• Mee, R. (2009). 两水平因子实验的全面指南。 Springer，纽约。
• Montgomery, D. C. (2005, 第 6 版). 实验设计与分析。 Wiley，纽约。
• Morgan-Wall T, Khoury G (2021). R 中的最佳设计生成和功效评估：skpr 包。 统计软件杂志, 99 (1), 1-36. doi: 10.18637/jss.v099.i01.
  
• Muetze, T., Munk, A. 和 Friede, T. (2016). 负二项分布终点的三臂试验设计与分析。医学统计 35 (4) 505-521。
• Myers, R. H. 和 Montgomery, D. C. (1995). 响应面方法：利用设计实验进行过程和产品优化。 Wiley，纽约。
• Nelson, P.R., Coffin, M. 和 Copeland, K.A.F. (2003). 工程实验的入门统计学。 Academic Press，圣地亚哥。
• Parsons N, Friede T, Todd S, Valdes Marquez E, Chataway J, Nicholas R, Stallard N. (2012). 用于实现无缝 II/III 期临床试验模拟的 R 包，使用早期结果进行治疗选择。计算统计与数据分析 56 , 1150-1160。
• Perrone, E. 和 Mueller, W.G. (2016) 针对 copula 模型的最佳设计，统计 50 (4), 917-929. DOI: 10.1080/02331888.2015.1111892
• Plackett, R.L. 和 Burman, J.P. (1946). 最佳多因素实验的设计。生物统计学 33 305-325。
• Rasch, D., Pilz, J., Verdooren, L.R. 和 Gebhardt, A. (2011). 使用 R 进行最佳实验设计。 Chapman 和 Hall/CRC。（注意，它没有达到其标题的水平！）
• Rosenbaum, P. (1989). 配对数据的探索性图。美国统计学家 43 108-109。
• Sacks, J., Welch, W.J., Mitchell, T.J. 和 Wynn, H.P. (1989). 计算机实验的设计与分析。统计科学 4 409-435。
• Santacruz, A., Rubiano, Y., Melo, C., 2014. 用于监测土壤碳的空间采样网络的进化优化。在：Hartemink, A., McSweeney, K. (Eds.). 土壤碳。 系列：土壤科学进展。 (pp. 77-84). Springer，纽约。
• Santner T.J., Williams B.J. 和 Notz W.I. (2003). 计算机实验的设计与分析。 Springer，纽约。
• Sen S，Satagopan JM 和 Churchill GA（2005）。从信息角度看数量性状基因座研究设计。遗传学170 447-464。
• Stein，M.（1987）。使用拉丁超立方抽样的模拟的大样本性质。计量经济学29 143-151。
• Stocki，R.（2005）。一种使用最优拉丁超立方抽样提高设计可靠性的方法。计算机辅助力学与工程科学12 87-105。
• Underwood，A.J.（1997）。生态学实验：使用方差分析进行逻辑设计和解释。剑桥大学出版社，剑桥。
• Vikneswaran（2005）。“实验设计”的 R 伴侣。URL http://CRAN.R-project.org/doc/contrib/Vikneswaran-ED_companion.pdf。（该文件随 Berger 和 Maurer 于 2002 年出版的“管理、工程和科学中的实验设计及其应用”一书附带。）
• Vining，G.（1993）。用于生成方差离散图的计算机程序。质量技术杂志25 45-58。同一卷的勘误表，第 333-335 页。
• Xu，H.（2009）。具有大型运行规模的有效分数阶乘设计的算法构造。计量经济学51 262-277。
• Yin，J.，Qin，R.，Ezzalfani，M.，Sargent，D. J. 和 Mandrekar，S. J.（2017）。将多个治疗周期的毒性数据纳入的贝叶斯剂量寻找设计。医学统计36，67-80。doi：10.1002/sim.7134。

CRAN 包

相关链接

• Dunn，K.（2010-2016）。使用数据进行流程改进。
• Kuhnert，P. 和 Venables，B.（2005）R 简介：统计建模与计算软件。（约 4 MB）
• Vikneswaran（2005）。“实验设计”的 R 伴侣。