Randomized Block Design on tutkimuksen suunnittelu vastaa ositettu satunnaisotanta. Kuten ositettu näytteenotto, satunnaistetut lohkomallit on rakennettu vähentämään melua tai varianssia aineistossa (KS.kokeellisten mallien luokittelu). Miten he tekevät sen? Ne edellyttävät, että tutkija jakaa näytteen suhteellisen homogeenisiin alaryhmiin tai lohkoihin (jotka vastaavat ositetussa näytteenotossa ”ositteita”). Sitten kokeellinen suunnittelu, jonka haluat toteuttaa, toteutetaan jokaisessa lohkossa tai homogeenisessa alaryhmässä., Keskeinen ajatus on, että vaihtelu kunkin lohkon sisällä on pienempi kuin vaihtelu koko näytteen. Näin ollen jokainen estimaatti hoidon vaikutuksesta lohkon sisällä on tehokkaampi kuin koko otoksen arviot. Ja kun yhdistämme nämä tehokkaammat arviot eri lohkoihin, meidän pitäisi saada kokonaisarvio tehokkaammaksi kuin estämättä.
tästä voimme nähdä yksinkertaisen esimerkin. Oletetaan, että alun perin tarkoitus oli suorittaa yksinkertainen postttest-vain satunnaistettu kokeellinen suunnittelu., Mutta, tunnistamme, että meidän näyte on useita ehjä tai homogeeninen alaryhmiä. Esimerkiksi korkeakouluopiskelijoiden tutkimuksessa voidaan olettaa, että opiskelijat ovat suhteellisen homogeenisia suhteessa luokkaan tai vuoteen. Joten, päätämme estää näytteen neljään ryhmään: fuksi, toisen vuoden opiskelija, junior, ja vanhempi. Jos aavistukseni on oikea, että vaihtelu kuluessa luokka on pienempi kuin vaihtelu koko näyte, me luultavasti saat enemmän voimakas arviot hoidon vaikutus kunkin lohkon sisällä (ks. keskustelu Tilastollinen Voima)., Jokaisen neljän korttelin sisällä toteutamme yksinkertaisen satunnaistetun kokeen.
Huomaa pari asiaa tästä strategiasta. Ensinnäkin ulkopuoliselle tarkkailijalle ei välttämättä ole selvää, että olet estämässä. Toteuttaisit saman mallin jokaisessa lohkossa. Eikä ole mitään syytä siihen, että eri kortteleissa olevat ihmiset olisi erotettava tai erotettava toisistaan. Toisin sanoen blokkaaminen ei välttämättä vaikuta mihinkään, mitä tutkijoille tehdään., Sen sijaan esto on strategia ihmisten ryhmittelemiseksi tietojen analysoinnissa melun vähentämiseksi – se on analyysistrategia. Toiseksi, voit vain hyötyä estää muotoilu jos olet oikeassa sinun aavistus, että lohkot ovat homogeenisempi kuin koko näyte on. Jos olet väärässä, jos eri college-tason luokat eivät ole suhteellisen homogeeninen osalta toimenpiteet – voit todella satuttaa estämällä (saat vähemmän voimakas arvio hoidon vaikutus). Mistä tietää, onko blokkaaminen hyvä idea?, Sinun täytyy harkita huolellisesti, ovatko ryhmät suhteellisen homogeeninen. Jos mittaat esimerkiksi poliittisia asenteita, onko järkevää uskoa, että fuksit muistuttavat enemmän toisiaan kuin ovat kuin toisen vuoden opiskelijoita tai junioreita? Olisivatko ne yhtenäisempiä huumausaineiden väärinkäyttöön liittyvien toimenpiteiden suhteen? Viime kädessä estämispäätökseen liittyy tutkijan tuomio.
Miten Estää Vähentää Kohinaa
miten estää työtä vähentää melua tietoja? Nähdä, miten se toimii, sinun täytyy miettiä, ei-tukossa tutkimus., Kuvassa on hypoteettisen satunnaistetun kokeellisen suunnittelun pretest-postttest-jakauma. Käytämme X-symbolia merkitäksemme ohjelman ryhmätapauksen ja O-tunnuksen vertailuryhmän jäsenelle. Voit nähdä, että minkä tahansa tietyn pretest arvo, ohjelmaryhmä pyrkii outscore vertailuryhmän noin 10 pistettä postttest. Eli on noin 10 pisteen postittavin keskiarvo ero.
Nyt, katsotaanpa esimerkki, jossa voimme jakaa näytteen kolmeen suhteellisen homogeeninen lohkoja., Nähdäksemme, mitä tapahtuu graafisesti, käytämme parasta toimenpidettä estääksemme. Näin varmistetaan, että ryhmät ovat hyvin homogeenisia. Katsotaan, mitä kolmannen lohkon sisällä tapahtuu. Huomaa, että keskimääräinen ero on edelleen sama kuin se oli koko näyte – noin 10 pistettä kunkin lohkon sisällä. Huomaa kuitenkin myös, että postttestin vaihtelu on paljon vähäisempää kuin koko näytteen.
Muista, että hoidon vaikutus arvio on signaali-kohina-suhde. Signaali tässä tapauksessa on keskimääräinen ero. Melu on vaihtelua., Luvut osoittavat, että emme ole muuttaneet signaalia siirryttäessä blokkaukseen — eroa on vielä noin 10 pisteen verran. Mutta, olemme muuttaneet melua-vaihtelu postttest on paljon pienempi jokaisessa lohkossa, että se on koko näyte. Joten, hoito vaikutus on vähemmän melua samasta signaalista.
kaavioista on käytävä ilmi, että estävä rakenne tässä tapauksessa antaa vahvemman hoitovaikutuksen. Mutta tämä pitää paikkansa vain siksi, että teimme hyvää työtä varmistaaksemme, että palikat ovat homogeenisia., Jos lohkot eivät olleet homogeeninen — niiden vaihtelu oli yhtä suuri kuin koko näytteen — meidän olisi itse asiassa pahenee arvioita kuin yksinkertainen satunnaistettu kokeellinen tapauksessa. Katsotaan, miten satunnaistetun lohkosuunnittelun tietoja analysoidaan satunnaistetun Lohkosuunnittelun Tilastoanalyysissä.