الانتقال إلى المحتوى
العودة إلى نتائج البحث

تجربة عاملية كاملة — تصميم تجريبي عاملي كامل

قدّمه
Ronald A. Fisher
السنة
1926 (Fisher's foundational paper); codified by the 1950s–1960s
النوع
Experimental design
العائلة
Experimental design

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

تُجرى التجربة العاملية الكاملة لكل التوليفات الممكنة لجميع مستويات العوامل المختارة، مما يجعلها المعيار الذهبي لتقدير التأثيرات الرئيسية، والتفاعلات الثنائية، والتفاعلات ذات الرتب الأعلى بين المتغيرات المستقلة المتعددة بشكل متزامن. تم تقديمها من خلال عمل رونالد فيشر التأسيسي في التصاميم العاملية في عشرينيات القرن الماضي وتم تنظيمها بواسطة بوكس وهنتر ومونتغمري، وهي توفر معلومات كاملة حول كيفية عمل العوامل بشكل فردي وفي مجموعات على نتيجة ما.

الفكرة الحدسية وراء الطريقة

لنفترض أنك تختبر نوعين من الأسمدة (أ، ب) وثلاثة جداول ري (يومي، أسبوعي، شهري) على إنتاجية المحاصيل. يعني التصميم العاملي الكامل أنك تزرع المحاصيل تحت جميع التوليفات البالغ عددها 2 × 3 = 6، وليس فقط كل عامل بمعزل عن الآخر. هذا قوي لأن تأثير السماد قد يعتمد على تكرار الري - وهو تفاعل تفوته دراسات العامل الواحد في كل مرة تمامًا. يلتقط العامل الكامل كل تفاعل من خلال ضمان ظهور كل مستوى من مستويات عامل مع كل مستوى من مستويات كل عامل آخر، مما يوفر رؤية متوازنة وغير مشوشة لمساحة العوامل بأكملها.

التاريخ

قدم رونالد فيشر مفهوم التجريب العاملي في ورقته البحثية الهامة عام 1926 وطوره بالكامل في كتاب 'The Design of Experiments' (1935)، مجادلًا بأن دراسة عوامل متعددة بشكل متزامن أكثر كفاءة من الأساليب التي تدرس عاملاً واحدًا في كل مرة. قام فرانك ييتس بتدوين وتنسيق حسابات التأثيرات العاملية في الثلاثينيات. قام جورج بوكس، جيه ستيوارت هنتر، وويليام هنتر بتنظيم التطبيق العملي للتصاميم العاملية في البيئات الصناعية والعلمية في كتابهم الأساسي عام 1978 (تم تحديثه عام 2005). جعل كتاب دوغلاس مونتغمري المعتمد على نطاق واسع (الطبعة الأولى 1976) التصميم العاملي الكامل محورًا للمناهج الدراسية في الهندسة والعلوم التطبيقية في جميع أنحاء العالم.

متى تُستخدم

استخدم تجربة عاملية كاملة عندما يكون لديك عدد قليل من العوامل (عادةً k ≤ 4 أو 5 للتصاميم ذات المستويين) وتحتاج إلى تقدير جميع التأثيرات الرئيسية والتفاعلات دون غموض. إنه الخيار الصحيح عندما تكون التفاعلات متوقعة أو عندما يكون وجودها مهمًا علميًا، وعندما تسمح الموارد بإكمال كل توليفة، وعندما يمكن قياس النتيجة في ظل ظروف خاضعة للرقابة. لا تستخدم تصميمًا عامليًا كاملاً عندما يكون k كبيرًا (قل 6 عند مستويين)، لأن 64+ جولة مطلوبة تصبح غير عملية - فضل التصاميم العاملية الجزئية أو استجابة السطح بدلاً من ذلك. تجنبها أيضًا عندما تكون تكلفة الجولة أو قيود المواد تجعل N = 2^k (أو 3^k) باهظة الثمن، أو عندما تهتم فقط بالتأثيرات الرئيسية ولديك أسباب نظرية قوية للافتراض بعدم وجود تفاعلات.

الحدود والاعتبارات

  • عدد الجولات ينمو بشكل أسي مع عدد العوامل: 2^k = 32 جولة لخمسة عوامل، 64 لستة عوامل - يصبح غير عملي بسرعة.
  • التفاعلات ذات الرتب الأعلى (ثلاثية الاتجاه أو أعلى) قابلة للتقدير ولكنها نادراً ما تكون قابلة للتفسير أو ذات مغزى علمي، مما يجعل العديد من الجولات زائدة عن الحاجة من حيث المعلومات.
  • يفترض أن العوامل يمكن ضبطها بدقة عند المستويات المحددة؛ غالبًا ما يكون التحكم في العوامل أسهل في المختبر منه في البيئات الميدانية أو التنظيمية.
  • التكرار كثيف الموارد؛ بدونه، يعتمد تقدير الخطأ على تجميع مربعات المجموعات للتفاعلات ذات الرتب الأعلى التي لا يمكن إهمالها، مما يتطلب حكمًا.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • يقدر كل تأثير رئيسي وكل تفاعل دون تداخل أو تشويش - الصورة الأكثر اكتمالاً الممكنة من تجربة خاضعة للرقابة.
  • تصميم متعامد: جميع تقديرات التأثيرات مستقلة إحصائيًا، مما يجعل التفسير مباشرًا.
  • يوفر تقديرًا نقيًا للخطأ عند تكرار الجولات، مما يتيح اختبار الفرضيات الصارم عبر تحليل التباين (ANOVA).
  • هيكل مرن: يعمل مع أنواع عوامل مستمرة أو فئوية أو مختلطة ويمكن أن يدمج التجميع للتحكم في المتغيرات المزعجة.
  • يتوسع بشكل طبيعي: يمكن زيادة تصميم 2^k مع جولات نقطة مركزية إلى تصميم استجابة سطح (مركب مركزي أو بوكس-بيهنكين) للكشف عن الانحناء.

التطبيقات

  • تركيب الأدوية: التحسين المتزامن لتركيز الدواء، ونوع السواغ، ودرجة الحرارة لزيادة معدل الذوبان إلى أقصى حد.
  • العلوم الزراعية: اختبار توليفات الأسمدة، ومستوى الري، وكثافة الزراعة على إنتاجية المحاصيل.
  • تحسين عملية التصنيع: تحديد كيف تؤثر سرعة الآلة، ودرجة الحرارة، ودرجة المادة بشكل مشترك على قوة الشد للمنتج.
  • التجارب السلوكية والتعليمية: فحص كيف تتفاعل طريقة التدريس، وحجم الفصل، ونوع التقييم للتأثير على نتائج التعلم.
  • الأبحاث السريرية والصحية: تقييم توليفات مكونات التدخل السلوكي لتحديد أي التوليفات تدفع التأثير العلاجي.
  • هندسة البرمجيات: اختبار تأثير نوع الخوارزمية، وحجم مجموعة البيانات، وتكوين الأجهزة على الأداء الحسابي.

كيف يعمل

كيف يعمل

1

تحديد k من العوامل التجريبية وتحديد المستويات لكل منها. يُشار إلى التصميم ذي المستويين (كل عامل عند مستوى منخفض/مرتفع) بالرمز 2^k؛ ويُشار إلى التصميم ذي الثلاثة مستويات بالرمز 3^k. يجب اختيار مستويات العوامل لتشمل نطاق الاهتمام العملي أو العلمي. العدد الإجمالي لتوليفات المعالجة يساوي حاصل ضرب عدد جميع المستويات عبر العوامل.

2

العدد الإجمالي للجولات التجريبية هو N = حاصل ضرب عدد جميع المستويات (على سبيل المثال، 2^3 = 8 لثلاثة عوامل ذات مستويين). ينمو هذا بشكل أسي مع عدد العوامل، لذا فإن التصاميم العاملية الكاملة تكون أكثر جدوى عندما يكون k صغيرًا (عادةً k ≤ 5 للعوامل ذات المستويين). يتم إنشاء مصفوفة تصميم تسرد كل توليفة؛ تكرار كل توليفة يعزز تقدير الخطأ.

الصيغة
N = \prod_{i=1}^{k} l_i
3

يتم تعيين الوحدات التجريبية عشوائيًا لكل توليفة معالجة، أو يتم ترتيب الجولات بالكامل بشكل عشوائي. العشوائية تحمي من التحيز المنهجي الناتج عن اتجاهات الوقت، أو الإرهاق، أو انحراف المعدات. إذا كانت بعض المتغيرات المزعجة معروفة (مثل الدفعة، المشغل، اليوم)، يتم إضافة التجميع لعزل تباينها دون تشويش تقديرات العوامل.

4

يتم قياس متغير الاستجابة لكل جولة تجريبية تحت توليفة مستويات العوامل المعينة لها. يتم تسجيل البيانات بشكل منهجي، مع الحفاظ على الارتباط بين ترتيب الجولة، وإعدادات العوامل، والنتيجة المرصودة. يوصى بتكرارات متعددة لكل خلية كلما سمحت الموارد بذلك، لأنها توفر تقديرًا نقيًا لخطأ التجربة.

5

يتم تقدير التأثيرات الرئيسية وجميع تأثيرات التفاعل باستخدام طريقة المربعات الصغرى (أو تحليل التباين ANOVA). في تصميم 2^k، يساوي تقدير كل تأثير تباينًا خطيًا لمتوسطات الخلايا؛ تنطبق الصيغة بيتا-هات = (X'X)^{-1} X'y حيث X هي مصفوفة النموذج لإعدادات العوامل المشفرة. نظرًا لأنه يتم اختبار كل توليفة، فإن جميع التأثيرات متعامدة وقابلة للتقدير دون تداخل.

الصيغة
\hat{\beta} = (X^\top X)^{-1} X^\top y
6

تقسم جداول تحليل التباين (ANOVA) التباين الكلي إلى تأثيرات رئيسية، وتفاعلات ثنائية العوامل، وتفاعلات ثلاثية العوامل، وهكذا. يتم تفسير التفاعلات الهامة باستخدام مخططات التفاعل: تشير الخطوط المتوازية إلى عدم وجود تفاعل؛ تشير الخطوط المتقاطعة أو المتباعدة إلى أن تأثير عامل يتغير عبر مستويات عامل آخر. التفاعلات ذات الرتب الأعلى (ثلاثية الاتجاه أو أعلى) نادرة في الممارسة العملية ولكنها قابلة للتقدير والاختبار في تصميم عاملي كامل.

الأخطاء الشائعة

  • تجاهل التفاعلات عند اختيار التصميم: إذا كنت تتوقع عدم وجود تفاعلات، فإن التصميم العاملي الكامل يهدر الجولات - ولكن إذا كانت التفاعلات موجودة واستخدمت نهج العامل الواحد في كل مرة، فسوف تفوتك تمامًا.
  • استخدام مستويات كثيرة جدًا دون مبرر: تصميم 3^k يحتوي على 3^5 = 243 جولة لخمسة عوامل؛ ما لم يتم افتراض الانحناء بشكل خاص، فإن التصاميم ذات المستويين تكون كافية بشكل عام وأكثر كفاءة بكثير.
  • الخلط بين التصميم العاملي الكامل والتصميم العاملي الجزئي: يتجاهل التصميم العاملي الجزئي عمدًا بعض التوليفات ويشوش بعض التفاعلات - إذا كنت بحاجة إلى تقدير جميع التفاعلات، فإن التصميم العاملي الكامل فقط يوفر ذلك.
  • الفشل في عشوائية ترتيب الجولات: الاتجاهات المنهجية (تسخين المعدات، تعلم المشغل، تدهور الكواشف) تضخم أو تقلل من تقديرات التأثير إذا تم تنفيذ الجولات بترتيب ثابت وغير عشوائي.
  • تحليل التأثيرات الرئيسية بمعزل عن بعضها البعض عندما تكون التفاعلات هامة: يعني التفاعل الهام إحصائيًا أن استنتاجات التأثير الرئيسي تعتمد على مستوى العامل المعدل ويجب تفسيرها بشكل مشروط.

الأسئلة الشائعة

ما الفرق بين التصميم العاملي الكامل والتصميم العاملي الجزئي؟

يجري التصميم العاملي الكامل كل التوليفات الممكنة لمستويات العوامل، ويقدر جميع التأثيرات الرئيسية والتفاعلات دون تداخل. يجري التصميم العاملي الجزئي جزءًا مختارًا بعناية من تلك التوليفات، ويشوش عمدًا بعض التفاعلات ذات الرتب الأعلى لتقليل عدد الجولات. استخدم التصميم العاملي الكامل عندما تكون التفاعلات مهمة وتسمح الموارد بذلك؛ استخدم التصميم العاملي الجزئي عندما يكون k كبيرًا وتكون مستعدًا لافتراض أن بعض التفاعلات ذات الرتب الأعلى لا يمكن إهمالها.

كيف أختار عدد المستويات لكل عامل؟

يكفي مستويان (منخفض ومرتفع) عندما تتوقع استجابة خطية تقريبًا عبر نطاق العامل وتهتم بشكل أساسي باتجاه التأثيرات ومقدارها. هناك حاجة إلى ثلاثة مستويات عندما تشك في وجود انحناء (استجابة غير خطية)، ولكنها تزيد من عدد الجولات بمقدار ثلاثة لكل عامل إضافي. استراتيجية عملية هي البدء بتصاميم 2^k مع جولات نقطة مركزية للكشف عن الانحناء قبل الالتزام بتصميم 3^k.

هل أحتاج إلى تكرار كل توليفة معالجة؟

يوصى بشدة بالتكرار. بدون تكرار، فإن المصدر الوحيد لتقدير الخطأ هو مجموع المربعات المجمعة من التفاعلات ذات الرتب الأعلى التي لا يمكن إهمالها (بافتراض أنها صفر)، وهو افتراض محفوف بالمخاطر. مع تكرار كامل واحد (مضاعفة جميع الجولات) تحصل على تقدير حقيقي للخطأ النقي، وفترات ثقة أضيق، واختبارات أهمية أكثر موثوقية.

ما هو الاختبار الإحصائي الذي أستخدمه لتحليل تجربة عاملية كاملة؟

التحليل القياسي هو تحليل التباين العاملي (ANOVA) (أو ما يعادله في نموذج الانحدار)، والذي يقسم التباين الكلي إلى مكونات تُعزى إلى كل تأثير رئيسي وكل حد تفاعل. يتم الحكم على أهمية التأثير بواسطة اختبارات F. عندما تكون النتيجة غير طبيعية أو ترتيبية، يتم استخدام بدائل غير معلمية أو نماذج خطية معممة بدلاً من ذلك.

متى يجب أن أتحول إلى تصميم استجابة سطح بدلاً من ذلك؟

إذا كشف تصميمك العاملي الكامل 2^k (ربما مع نقاط مركزية) عن انحناء هام إحصائيًا في الاستجابة، فإن النموذج العاملي الخطي غير كافٍ ويجب استخدام تصميم استجابة سطح - مثل تصميم مركب مركزي أو بوكس-بيهنكين. تضيف تصاميم استجابة السطح نقاطًا محورية (نجمة) لتقدير الحدود التربيعية ورسم الانحناء الكامل لسطح الاستجابة.

طرق ذات صلة

المصادر

  1. Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.). Wiley-Interscience.

    ردمك: 978-0471718130
    تم النسخ.
  2. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.

    ردمك: 978-1119492443
    تم النسخ.