Den Randomiserte Blokkere Design er forskning design tilsvarer stratifisert tilfeldig utvalg. Som stratifisert sampling, randomisert blokkere design er konstruert for å redusere støy eller variansen i dataene (se Klassifisering av Eksperimentelle Design). Hvordan gjør de det? De krever at forskeren deler utvalget i relativt homogene undergrupper eller blokker (analogt til «lag» i stratifisert sampling). Deretter, den eksperimentelle design du ønsker å gjennomføre er implementert i hver blokk eller homogen undergruppe., Nøkkelen tanken er at variasjonen innen hver blokk er mindre enn variasjonen i hele prøven. Dermed hvert estimat av behandlingseffekten i en blokk er mer effektiv enn anslag over hele prøven. Og, når vi trekker disse mer effektiv anslag på tvers av blokker, bør vi få en samlet mer effektiv estimat enn vi ville uten å blokkere.
Her kan vi se et enkelt eksempel. La oss anta at vi opprinnelig hadde tenkt å gjennomføre en enkel posttest-bare randomiserte eksperimentelle design., Men, vi erkjenner at vårt eksempel har flere intakt eller homogene undergrupper. For eksempel, i en studie av studenter, og vi kan forvente at studentene er relativt homogene med hensyn til klasse-eller år. Så vi bestemmer oss for å blokkere eksempel inn i fire grupper: freshman, sophomore, junior og senior. Hvis våre pukkel er riktig, at variasjonen innen hver klasse er mindre enn variasjonen for hele utvalget, vil vi trolig få mer kraftig estimat av behandlingseffekten innenfor hver blokk (se diskusjonen på Statistisk Power)., Innenfor hver av våre fire blokker, vi ville gjennomføre enkle post-bare randomisert eksperiment.
Merke til et par ting om denne strategien. Først, til en ekstern observatør, det kan ikke være tydelig at du blokkerer. Du ville være å implementere samme design i hver blokk. Og, det er ingen grunn til at folk i ulike blokker som trenger å bli segregert eller atskilt fra hverandre. Med andre ord, blokkering ikke nødvendigvis påvirke noe som du gjør med forskning deltakerne., I stedet, blokkering er en strategi for å gruppere mennesker i dine data analyse for å redusere støy – det er en analyse strategi. Andre, vil du bare dra nytte av en blokkering design hvis du er riktig i din anelse at blokkene er mer homogen enn hele prøven. Hvis du er galt – hvis forskjellige college-nivå klasser ikke er relativt homogene med hensyn til tiltak – vil du egentlig bli skadet ved å blokkere (du vil få en mindre kraftig estimat av behandlingseffekten). Hvordan vet du om å blokkere er en god idé?, Du må vurdere nøye hvorvidt gruppene er relativt homogen. Hvis du måler politiske holdninger, for eksempel, er det rimelig å tro at nye studenter er mer lik hverandre enn de er som sophomores eller juniorer? Ville de være mer homogene med hensyn til tiltak knyttet til rusmisbruk? Til slutt beslutningen om å blokkere innebærer dommen på den delen av forskeren.
Hvordan å Blokkere Reduserer Støy
Så hvordan gjør blokkere arbeide for å redusere støy i data? For å se hvordan det fungerer, må du begynne med å tenke på ikke-blokkert studie., Figuren viser pretest-posttest distribusjon for en hypotetisk pre-post randomiserte eksperimentelle design. Vi bruker ‘X’ – symbolet, for å indikere et program gruppen saken og ‘O’ symbol for en sammenligning gruppemedlem. Du kan se at for noen bestemt pretest verdi, programmet gruppe har en tendens til å outscore sammenligning gruppe med ca 10 poeng på posttest. Det vil si, det er på en 10-punkts posttest bety forskjellen.
Nå, la oss se på et eksempel hvor vi deler inn utvalget i tre relativt homogene blokker., For å se hva som skjer grafisk, bruker vi pretest tiltak for å blokkere. Dette vil sikre at gruppene er svært homogen. La oss se på hva som skjer i løpet av tredje kvartal. Legg merke til at det bety forskjellen er fortsatt den samme som den var for hele utvalg – rundt 10 punkter i hver blokk. Men også legge merke til at variasjonen av posttest er mye mindre enn det var for hele prøven.
Husk at behandlingen effekt estimat er et signal-til-støy-forhold. Signalet i dette tilfellet er det bety forskjellen. Støy er variasjon., De to tallene viser at vi ikke har endret signal i bevegelse for å blokkere — det er fortsatt en 10-punkts posttest forskjell. Men, vi har endret støy — variabiliteten på posttest er mye mindre innenfor hver blokk som det er for hele prøven. Så, behandling effekten vil ha mindre støy for det samme signalet.
Det bør være klart fra grafene at blokkere design i dette tilfellet vil gi sterkere behandling effekt. Men dette er sant bare fordi vi gjorde en god jobb med å sikre at blokkene var homogen., Hvis det blokkerer ikke var homogen i sitt variasjonen var stor som hele eksempel er — vi ville egentlig bli verre estimater enn i den enkle randomiserte eksperimentelle tilfelle. Vi får se hvordan å analysere data fra en randomisert blokkere design i Statistiske Analyser av Randomiserte Blokkere Design.