det randomiserede blokdesign svarer til stratificeret tilfældig prøveudtagning. Ligesom stratificeret prøveudtagning er randomiserede blokdesign konstrueret til at reducere støj eller varians i dataene (se klassificering af eksperimentelle Designs). Hvordan gør de det? De kræver, at forskeren opdeler prøven i relativt homogene undergrupper eller blokke (analog med “lag” i stratificeret prøveudtagning). Derefter implementeres det eksperimentelle design, du vil implementere, inden for hver blok eller homogen undergruppe., Den centrale id.er, at variabiliteten inden for hver blok er mindre end variabiliteten af hele prøven. Således er hvert skøn over behandlingseffekten inden for en blok mere effektiv end estimater på tværs af hele prøven. Og når vi samler disse mere effektive estimater på tværs af blokke, bør vi få et samlet mere effektivt skøn, end vi ville uden at blokere.
Her kan vi se et simpelt eksempel. Lad os antage, at vi oprindeligt havde til hensigt at gennemføre et simpelt posttest-kun randomiseret eksperimentelt design., Men vi erkender, at vores prøve har flere intakte eller homogene undergrupper. For eksempel kan vi i en undersøgelse af universitetsstuderende forvente, at studerende er relativt homogene med hensyn til klasse eller år. Så vi beslutter at blokere prøven i fire grupper: freshman, sophomore, junior og senior. Hvis vores fornemmelse er korrekt, at variabiliteten inden for klassen er mindre end variabiliteten for hele prøven, vil vi sandsynligvis få mere kraftfulde estimater af behandlingseffekten inden for hver blok (se diskussionen om statistisk magt)., Inden for hver af vores fire blokke ville vi implementere det enkle post-only randomiserede eksperiment.
Bemærk et par ting om denne strategi. For det første kan det for en ekstern observatør ikke være tydeligt, at du blokerer. Du ville gennemføre det samme design i hver blok. Og der er ingen grund til, at folk i forskellige blokke skal adskilles eller adskilles fra hinanden. Med andre ord påvirker blokering ikke nødvendigvis noget, du gør med forskningsdeltagerne., I stedet er blokering en strategi for at gruppere folk i din dataanalyse for at reducere støj – det er en analysestrategi. For det andet vil du kun drage fordel af et blokerende design, hvis du er korrekt i din fornemmelse af, at blokkene er mere homogene end hele prøven er. Hvis du tager fejl – hvis forskellige klasser på universitetsniveau ikke er relativt homogene med hensyn til dine foranstaltninger – vil du faktisk blive såret ved at blokere (Du får et mindre kraftigt skøn over behandlingseffekten). Hvordan ved du, om blokering er en god ide?, Du skal nøje overveje, om grupperne er relativt homogene. Hvis du måler politiske holdninger, for eksempel, er det rimeligt at tro, at freshmen er mere som hinanden, end de er som sophomores eller juniors? Ville de være mere homogene med hensyn til foranstaltninger i forbindelse med narkotikamisbrug? I sidste ende beslutningen om at blokere indebærer dom på den del af forskeren.
hvordan blokering reducerer støj
så hvordan fungerer blokering for at reducere støj i dataene? For at se, hvordan det fungerer, skal du begynde med at tænke på den ikke-blokerede undersøgelse., Figuren viser den prætest-posttest distribution for et hypotetisk præ-post randomiseret eksperimentelt design. Vi bruger ‘symbol’ – symbolet til at angive en programgruppesag og ‘ O ‘ – symbolet for et sammenligningsgruppemedlem. Du kan se, at for en bestemt prætest værdi, programgruppen har en tendens til at outscore sammenligningsgruppen med omkring 10 point på posttest. Det vil sige, der er omkring en 10-punkts posttest gennemsnitlige forskel.
lad os nu overveje et eksempel, hvor vi deler prøven i tre relativt homogene blokke., For at se, hvad der sker grafisk, bruger vi pretest-foranstaltningen til at blokere. Dette vil sikre, at grupperne er meget homogene. Lad os se på, hvad der sker inden for den tredje blok. Bemærk, at den gennemsnitlige forskel stadig er den samme som for hele prøven – omkring 10 point inden for hver blok. Men bemærk også, at posttestens variabilitet er meget mindre end den var for hele prøven.
Husk, at behandlingseffektestimatet er et signal-til-støj-forhold. Signalet i dette tilfælde er den gennemsnitlige forskel. Støjen er variabiliteten., De to figurer viser, at vi ikke har ændret signalet i at flytte til blokering — der er stadig omkring en 10-punkts posttest forskel. Men, vi har ændret støj-variabiliteten på posttest er meget mindre inden for hver blok, at det er for hele prøven. Så behandlingseffekten vil have mindre støj for det samme signal.
det skal fremgå af graferne, at blokeringsdesignet i dette tilfælde vil give den stærkere behandlingseffekt. Men det er kun sandt, fordi vi gjorde et godt stykke arbejde med at sikre, at blokkene var homogene., Hvis blokkene ikke var homogene-deres variabilitet var så stor som hele prøven — ville vi faktisk få værre estimater end i det enkle randomiserede eksperimentelle tilfælde. Vi vil se, hvordan man analyserer data fra et randomiseret blokdesign i den statistiske analyse af det randomiserede blokdesign.