Deney tasarımında blok kavramı hakkında iki sorum var: (1) Bir blok ve bir faktör arasındaki fark nedir? (2) Bazı kitapları okumaya çalıştım ama bir şey net değil: yazarlar her zaman "blok faktörü" ile diğer faktörler arasında herhangi bir etkileşim olmadığını varsayıyorlar, doğru mu?
Yanıtlar:
Blok bir faktördür. Engellemenin temel amacı, engellenmemiş tasarıma benzeyen bir tasarımın açıklanamayan varyasyonunu azaltmaktır . Biz blok etkisine ilgilenen değildir , haddi zatında biz arka plan şüpheli zaman oldukça biz engellemek "gürültü" fiili faktörün etkisini counfound olurdu.
Deney birimlerini, ana faktörün tüm seviyelerinin eşit olarak temsil edildiği "homojen" bloklar halinde gruplandırıyoruz. Rastgele Kontrol Bloğu tasarımının varyans analizi, eşdeğer tek faktörlü Komple Rastgele tasarımın blok ve artık bileşenlerindeki kalıntı terimini böler. Bununla birlikte, ikinci bileşenin, tek faktörlü CR tasarımlarından daha az serbestlik derecesine sahip olduğunu ve
.
Engelleme ya da engellememe kararı, artıklardaki azalmanın df'deki azalmayı telafi etmekten daha fazla olacağını tahmin ettiğimizde verilmelidir.
Genellikle RCB tasarım verilerine bir katkı modeli yerleştirilir, burada cevap değişkeni faktörün ve blok etkilerinin ilave bir birleşimidir ve ikisi arasında herhangi bir etkileşimin olmadığı varsayılır. Bence bu, RCB'nin BxF etkileşimini Blok değişkenliğinden ve deneysel birimlerdeki değişkenlikten ayırmamızı sağlamamasıyla açıklanmaktadır. Sonuç olarak, etkileşime girmemiz gerektiğinden ölçemeyiz. Bununla birlikte, görsel olarak veya Tukey testi ile mevcut olup olmadığını test edebiliriz.
Deneysel tasarım üzerine iyi bir kaynaktır bu .
İşte kısa bir cevap. Deney tasarımını tedavi eden belgelerin çoğunda birçok detay ve örnek bulunabilir; özellikle tarımda.
Genellikle, araştırmacı blok etkisi ile ilgilenmez, ancak sadece bloklar arasındaki yanıttaki değişkenliği açıklamak ister. Bu yüzden, bloğu belirli bir rolü olan bir faktör olarak görmek için kullanıyorum. Dikkat edilmesi gereken, blok etkisi tipik olarak rastgele bir etki olarak kabul edilir. Son olarak, 'tedavi etkisinin' bloktan bloğa değişmesini bekliyorsanız, etkileşimler dikkate alınmalıdır.
İşte eski öğretmenim Freedom King'den en sevdiğim açıklamanın bir açıklaması.
Ekmek hamuru ve pişirme sıcaklığının ekmeğin tadını nasıl etkilediğini inceliyorsunuz . Lezzet için bir derecelendirme ölçeğiniz var. Diyelim ki, kendiniz karıştırmak yerine bazı gıda şirketlerinden paketlenmiş ekmek hamuru satın alıyorsunuz. Her pişmiş somun ekmek deneysel bir birimdir.
Diyelim ki 2 hamurunuz ve 8 sıcaklığınız var, bir kerede fırına 4 somun ekmek sığdırabilirsiniz ve somun çalıştırmak istiyorsunuz .
Bir Tamamen rastgele faktöryel düzeni (hiçbir blok), tamamen rastgele ekmekler pişmiş sırayı karar verecek. Her somun için fırını önceden ısıtır, bir paket ekmek hamuru açar ve pişirirsiniz. Bu, her somun ekmek için fırının 160 kez çalıştırılmasını içerir.
Alternatif olarak, fırının çalışmasını bir engelleme faktörü olarak değerlendirebilirsiniz . Bu durumda, fırını 40 kez çalıştırırsınız, bu da veri toplamayı daha hızlı hale getirebilir. Her fırında dört tane somun bulunur, ancak her hamur tipinden iki tane olmak zorunda değildir. (Kesin oran rasgele seçilecektir.) Her sıcaklık için 5 fırın çalıştırmanız gerekir; bu, aynı sıcaklıktaki fırınlar arasındaki değişkenliği hesaba katmanıza yardımcı olabilir.
Hatta meraklısı, hamur yanı sıra fırın çalıştırmak tarafından bloke olabilir . Bu tasarımda, her fırında her bir hamur türünden tam olarak iki tane olurdu.
Düşünmek için zamanım olduğunda, bunu bu deney tasarımları için uygun süslü isimlerle daha da güncelleyeceğim.
Deneysel tasarımlar üç yapının birleşimidir:
Bloklar, tasarım yapısına ait olan "faktörler" dir (ayırt etmek için, onlara "bloke edici faktörler" ve "tedavi faktörleri" demek kötü bir fikir değildir). Rahatsızlık parametrelerinin iyi örnekleridir : sahip olmanız gereken ve varlığını dikkate almanız gereken, ancak değerleri özellikle ilginç olmayan model parametreleri. Bunun bir faktörün doğası ile ilgisi olmadığını unutmayın - tıpkı tedavi faktörleri sabit veya rastgele olabileceği gibi, bloke edici faktörler sabit veya rastgele olabilir.
Bir faktörün deneysel bir tasarımda nerede olduğu ile ilgili kişisel kuralım şudur: Faktörle ilişkili parametreleri tahmin etmek ve bunları faktör veya diğer faktör parametreleri içinde karşılaştırmak istersem, o zaman tedavi yapısına aittir. İlişkili parametrelerin değerlerini umursamıyorsam ve bunları karşılaştırmak umurumda değilse, faktör tasarım yapısına aittir.
Bu nedenle, bu iş parçacığının başka bir yerinde ekmek örneğinde , koşmak-kaçmak farklılıkları hakkında endişelenmem gerekiyor. Ama Run 1 ile Run 24'ü karşılaştırmak umurumda değil. Fırın çalışması tasarım yapısına ait . Ben bunu iki hamur tarifleri karşılaştırmak istiyorum: reçete tedavi yapısına aittir. Fırın sıcaklığını önemsiyorum: bu da arıtma yapısına ait. Deneysel Bir Tasarım Yapalım.
Tasarım Yapısı bir faktöre (fırın akışı, Çalışma) ve Arıtma Yapısı iki faktöre (Reçete ve Sıcaklık) sahiptir. Her çalışma tek (nominal) bir sıcaklık olması gerektiğinden, Sıcaklık ve Çalışma deney tasarımıyla aynı seviyede gerçekleşmelidir. Ancak, her Koşuda 4 somun için yer vardır. Açıkçası, koşu başına 1, 2, 3 veya 4 somun pişirmeyi seçebiliriz.
Her çalışma için bir somun pişirir ve Reçete sunumunun sırasını rastgele yaparsak, Tamamen Rasgele Tasarım (CRD) Yapısı elde ederiz. Çalışma başına her Tariften biri olan iki somun pişirirsek, Rastgele Komple Blok Tasarımı (RCB) Yapımız vardır. Lütfen her Tarifin her Koşuda yer almasının önemli olduğunu unutmayın. Bu denge olmadan, Tarif karşılaştırmaları Çalıştırma farklılıkları ile kirlenir. Unutmayın: engellemenin amacı Run farklılıklarından kurtulmaktır. Eğer Run başına üç somun pişirirsek, muhtemelen deliririz: 3 160 faktörü değildir, bu yüzden bir veya iki farklı boyutlu bloğumuz olacak. Diğer makul olasılık, Run başına dört somundur. Bu durumda, her Koşuda her tarifin iki somununu pişirirdik. Yine, bu bir RCB Yapısıdır. Her Çalışmada her Tarifin iki somunu arasındaki farkları kullanarak çalışma içi değişkenliği tahmin edebiliriz.
RCB Tasarım Yapılarından birini seçersek, Sıcaklık etkileri Çalışma seviyesinde tamamen rastgele olur. Reçete sıcaklık içinde iç içe geçer ve sıcaklıktan farklı bir hata yapısına sahiptir, çünkü her hamur her işlemde görünür. Hamurun katıksızlık (etkileşim) ile tarife ve reçete konusundaki kontrastların içlerinde değişken çalışma değişkenliği yoktur. Teknik olarak, buna farklı bir şekilde bölünmüş arsa tasarım yapısı veya tekrarlanan ölçümler tasarım yapısı denir .
Araştırmacı hangisini kullanır? Muhtemelen dört somun ile RCB: 40 vs 80 vs 160 çok fazla ağırlık taşır. Bununla birlikte, bu değiştirilebilir - endişe endüstriyel üretimden ziyade ev fırınlarıysa, ev fırıncılarının nadiren birden fazla somun pişirdiğine inanılıyorsa CRD'yi kullanmak için iyi bir neden olabilir.
Sanırım çoğu zaman bu sadece konvansiyon meselesi, muhtemelen her alan için uygun. Ben tıbbi bağlamda, iki faktör anova faktörlerden biri hemen hemen her zaman "tedavi" ve diğer "blok" denir düşünüyorum.
Tipik olarak, ocram'ın dediği gibi, blok etkisi rastgele bir etki olacaktır, ancak bunun sistematik olduğunu düşünmüyorum. Farklı tıbbi tedavilerin etkinliğini değerlendirmek istediğinizi varsayalım:
İlk tasarım: her hasta sadece bir tedavi alır ve verimlilik uygun bir ölçekte ölçülür. Hastanın cinsiyetinin ilgi çektiğinden şüpheleniyorsunuz: bir erkek bloğuna ve bir kadın hasta bloğuna sahip olacaksınız. Bu durumda, blok sabit etkiye sahip bir faktördür.
İkinci tasarım: her hasta tüm tedavileri farklı anlarda dener. Hastalar arasında bazı değişkenlikler olduğundan, her hastayı bir "blok" olarak görürsünüz. Popülasyonda böyle bir değişkenliğin varlığıyla ilgileniyorsunuz, ancak bu belirli hastalarda değerinde değil. Bu durumda, blok rastgele etkisi olan bir faktördür.
Eh, bu dersleri sadece ders kitaplarından aldığım için alanın (Fransa'daki) kurallarına bağlı kalmaya çalışıyorum, ama hiçbir zaman klinik bir araştırmaya katılmadım (ve istemiyorum) ... yani bu Sadece iki sentim...!