要因実験 — 要因実験計画
- 提唱者
- Ronald A. Fisher
- 年
- 1926–1935
- 種類
- Quantitative experimental design
- 系統
- Experimental design
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
要因実験とは、2つ以上の独立変数(要因)を同時に操作し、それらの水準のあらゆる組み合わせをテストする実験計画である。1920年代から1930年代にかけてロナルド・フィッシャーによって導入され、各要因の主効果だけでなく、ある要因の効果が別の要因の水準に依存するかどうか、すなわち交互作用効果を検出する必要がある場合における標準的なアプローチとなっている。
手法の背後にある直感
新しい肥料(使用/不使用)と2つの灌漑水準(低/高)が作物の収量に与える影響をテストすることを想像してみよう。一度に1つの要因をテストするアプローチでは、2つの別々の実験が必要となる。要因実験では、肥料あり/灌漑低、肥料あり/灌漑高、肥料なし/灌漑低、肥料なし/灌漑高という4つの組み合わせすべてを1つの研究でテストする。これにより、資源が節約されるだけでなく、肥料が高灌漑下で低灌漑下よりも効果的であるかどうかを発見する唯一の方法となる。この交差パターンは交互作用であり、要因計画はそれを検出するために特別に構築されている。
歴史学
ロナルド・フィッシャーは、1926年の農業実験に関する論文で要因実験の論理を形式化し、1935年の画期的な著書『実験計画法』でその理論を詳述した。この中で彼は、健全な経験的推論の基礎として、ランダム化、反復、要因交差の概念を導入した。フィッシャーの研究は、一度に1つずつではなく、複数の農業介入を同時にテストするという実践的な必要性によって動機付けられた。20世紀半ばまでに、要因計画は心理学、工学、医学、社会科学にわたって採用された。ダグラス・モンゴメリーの広く使用されている教科書『実験計画と解析』(初版1976年)は、要因計画と一部実施要因計画を工学および産業の読者に広め、このアプローチを実験方法論の基礎として確立した。
使うべき場面
2つ以上の要因を1つの研究で調査したい場合、および交互作用の検出が科学的に重要である場合に、要因実験を使用する。資源が許す限り、一度に1つの要因をテストするデザインよりも好ましい。なぜなら、各要因に関する同じ情報をより低い総サンプルコストで提供し、さらに交互作用推定値も得られるからである。要因の数が多い場合(複数の水準を持つ4つ以上の要因は、管理不能なほど多数のセルを生成する)は避ける。そのような場合は、一部実施要因計画または応答曲面法を推奨する。要因が1つしかない場合は、完全要因計画を使用しない。単純なRCTまたは一元配置ANOVAで十分である。また、要因水準のすべての組み合わせを実施することが運用上不可能な場合も避ける。
限界と注意点
- サンプルサイズの要件は、要因と水準の数に比例して増加するため、大規模なデザインは費用がかかる。
- 多くの要因を持つ完全要因計画はしばしば実現不可能であり、研究者は情報の損失を伴う一部実施要因計画に頼らざるを得ない。
- 複数の高次交互作用が有意である場合、解釈が複雑になり、慎重なグラフ化と単純効果の追跡が必要となる。
- すべての標準的な要因ANOVAの仮定(正規性、分散の均一性、独立性)を確認し、違反している場合は対処する必要がある。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 要因間の交互作用効果を推定できる唯一のデザインであり、多要因研究の最も有益な特徴である。
- 個別の単一要因研究よりも統計的に効率的である。各観測値がすべての主効果の推定に寄与する。
- 要因が完全にランダム化されている場合、ランダム化比較試験と同じ基準を満たし、因果推論をサポートする。
- 非常に柔軟である。要因は被験者間、被験者内(反復測定)、または混合にできる。
- 一般化可能な知見。要因Aに関する結論は、単一の恣意的な条件の下ではなく、要因Bのテストされたすべての水準にわたって適用される。
応用
- 心理学:参加者の年齢層や性別によって認知介入の効果がどのように異なるかを研究する(2 × 2被験者間デザイン)。
- 農業と生物学:肥料の種類と灌漑水準の組み合わせが作物の収量に与える影響をテストする。
- 工学と製造:プロセス温度、圧力、材料グレードを同時に変化させることで製品品質を最適化する。
- 薬理学:薬物投与量と投与経路の組み合わせがバイオアベイラビリティに与える影響を評価する。
- 教育:新しい教授法が異なるクラスサイズと科目領域で同様に効果的であるかどうかを評価する。
- マーケティング:メッセージのフレーミングとメディアチャネルの組み合わせが消費者の購買意図に与える影響をテストする。
使い方
使い方
理論的または実用的に関心のあるすべての独立変数(要因)を特定し、それぞれの水準のセットを固定する。例えば、2 × 3計画では、1つの要因が2つの水準をもち、2番目の要因が3つの水準をもち、合計6つの処理条件が生成される。水準の選択は、恣意的な便宜ではなく、先行研究または実質的な理論に基づいているべきである。
要因水準の可能なすべての組み合わせを形成する。この交差が要因計画を定義する。もし要因Aがa個の水準をもち、要因Bがb個の水準をもつ場合、計画はa × b個の処理セルを含む。完全な交差は、主効果とすべての交互作用が交絡なしに推定可能であることを保証する。
実験単位(参加者、区画、バッチ)を処理セルにランダムに割り当てるか、被験者内デザインの変形では、各単位がすべての条件を受ける順序をランダム化する。適切なランダム化は、有効な因果推論と、要因ANOVAの根底にある独立性の仮定を満たすために不可欠である。
プロトコルに従って各処理条件を適用し、すべての単位について結果変数を記録する。要因の意図的な操作を除いて、すべてのセルで一貫した手順を維持することは、交絡を排除するために重要である。
要因ANOVA(または交互作用項を含む回帰)モデルを適合させる: Y = mu + alpha_i + beta_j + (alpha*beta)_ij + epsilon_ijk。各主効果と各交互作用項について、有意性検定と効果量推定値(イータ二乗、オメガ二乗)が計算される。各要因のF比は、その平均平方を残差平均平方と比較する。
数式
Y = mu + alpha_i + beta_j + (alpha*beta)_ij + epsilon_ijk
交互作用プロット(一方の要因をx軸に、もう一方の要因を線でプロットしたセル平均)を調べる。平行でない線は交互作用を示唆する。つまり、ある要因の効果が別の要因の水準全体で一様ではないことを意味する。有意な交互作用が発見された場合、主効果は慎重に解釈する必要がある。単純効果分析(もう一方の要因の各水準で一方の要因をテストする)はパターンを明確にする。
よくある落とし穴
- 有意な交互作用を無視し、主効果を単独で解釈すること。交互作用が存在する場合、主効果は不均一なサブグループ間の誤解を招く平均である。常に最初にセル平均をプロットすること。
- 個々のセルの検出力不足。要因計画における検出力は、主効果だけではなく、最小の期待効果(しばしば交互作用)に対して計算する必要がある。主効果の検出力計算式を使用すると、交互作用検定の検出力が不足する。
- ランダム化またはセルサイズのバランスを怠ること。不均等なセルサイズは非直交性を導入し、分散の分割を複雑にする。タイプIII平方和を使用し、不均衡を明示的に報告すること。
- 要因計画を個別の単一要因ANOVAであるかのように扱うこと。各要因について個別のANOVAを実行すると、交差構造が無視され、タイプIエラーが膨張する。常に完全な要因モデルを分析すること。
- 要因を多すぎること。追加されるすべての要因は、セルの数と交互作用プロットの複雑さを増大させる。4つ以上の要因は通常、一部実施要因計画または応答曲面アプローチを必要とする。
よくある質問
要因実験と完全要因実験の違いは何ですか?
すべての完全要因実験は要因実験であり、これらの用語はしばしば互換的に使用される。研究者がこれらを区別する場合、「要因実験」は一般的なカテゴリ(完全要因と一部実施要因の両方を含む)であり、「完全要因」は要因水準の可能なすべての組み合わせが含まれることを指定する。一部実施要因計画は、高次交互作用の交絡を代償として、コストを削減するためにセルの体系的なサブセットを省略する。
各セルに何人の参加者が必要ですか?
セル内分散を推定するには、最低でも各セルに2つまたは3つの観測値が必要だが、これは適切な検出力にはほとんど十分ではない。交互作用の期待効果量(通常、主効果よりも小さい)と、望ましいアルファ水準および検出力水準を用いた正式な検出力分析によって、セルサイズを決定すべきである。行動研究では、各セルに5〜20人の参加者が一般的な作業範囲だが、工学研究では、高い測定精度があれば3人以下を使用することもある。
交互作用が有意な場合、主効果も報告しますか?
はい、ただし注意が必要です。有意な交互作用が存在する場合、主効果は不均一な条件間の平均を記述するため、誤解を招く可能性があります。それらを報告しますが、解釈の中心は交互作用に置きます。単純効果分析(もう一方の要因の各水準で一方の要因を個別にテストする)を実施し、読者がパターンを直接見られるように交互作用プロットを提示します。
要因計画は被験者内(反復測定)要因で使用できますか?
はい。混合要因計画は、少なくとも1つの被験者間要因と少なくとも1つの被験者内要因を組み合わせたものです。完全に被験者内要因計画も可能です。これらのデザインは、個人差が制御されるため統計的検出力を高めますが、相殺またはウォッシュアウト期間によって対処する必要があるキャリーオーバー効果と順序効果を導入します。
代わりに一部実施要因計画を使用すべきなのはいつですか?
要因の数が多い場合(通常、複数の水準を持つ4つ以上の要因)、すべての処理組み合わせを実行することは法外に費用がかかります。一部実施要因計画は、慎重に選択されたセルの割合をテストします。これは、高次交互作用の推定(実際にはしばしば無視できる)を犠牲にして、実行回数を劇的に削減します。2要因を超える交互作用が理論的にありそうもない場合、半数実施または四分の一実施計画がしばしばより良い選択肢となります。
関連する手法
参考文献
Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd.
出版物の文献を開くコピーしました。Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.
ISBN:978-1119320937コピーしました。