Eksperyment czynnikowy — Projektowanie eksperymentów czynnikowych
- Autor metody
- Ronald A. Fisher
- Rok
- 1926–1935
- Typ
- Quantitative experimental design
- Rodzina
- Experimental design
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Eksperyment czynnikowy to projekt eksperymentalny, w którym jednocześnie manipuluje się dwiema lub więcej zmiennymi niezależnymi (czynnikami), a testuje się wszystkie ich kombinacje poziomów.
Wprowadzony przez Ronalda Fishera w latach 20. i 30. XX wieku, jest to standardowe podejście, gdy badacz potrzebuje wykryć nie tylko główny efekt każdego czynnika, ale także to, czy efekt jednego czynnika zależy od poziomu innego – efekt interakcji.
Intuicja stojąca za metodą
Wyobraźmy sobie testowanie nowego nawozu (tak/nie) i dwóch poziomów nawadniania (niskie/wysokie) na plonowanie upraw. Podejście polegające na badaniu jednego czynnika naraz wymagałoby dwóch oddzielnych eksperymentów. Eksperyment czynnikowy testuje wszystkie cztery kombinacje – nawóz-tak/nawadnianie-niskie, nawóz-tak/nawadnianie-wysokie, nawóz-nie/nawadnianie-niskie, nawóz-nie/nawadnianie-wysokie – w jednym badaniu. To nie tylko oszczędza zasoby, ale jest jedynym sposobem na odkrycie, czy nawóz działa lepiej przy wysokim nawadnianiu niż przy niskim. Ten wzorzec krzyżowania się to interakcja, a projekty czynnikowe są specjalnie zaprojektowane do jej wykrywania.
Historia
Ronald Fisher sformalizował logikę eksperymentów czynnikowych w swoim artykule z 1926 roku na temat eksperymentów rolniczych i rozwinął teorię w swojej przełomowej książce The Design of Experiments z 1935 roku, gdzie wprowadził koncepcje randomizacji, replikacji i krzyżowania czynnikowego jako podstawy rzetelnego wnioskowania empirycznego. Prace Fishera były motywowane praktyczną potrzebą jednoczesnego testowania wielu interwencji agronomicznych, a nie jednej po drugiej. Do połowy XX wieku projekty czynnikowe zostały przyjęte w psychologii, inżynierii, medycynie i naukach społecznych. Powszechnie używany podręcznik Douglasa Montgomery'ego Design and Analysis of Experiments (pierwsze wydanie 1976) wprowadził metody czynnikowe i czynnikowe ułamkowe do odbiorców inżynierii i przemysłu, umacniając to podejście jako kamień węgielny metodologii eksperymentalnej.
Kiedy stosować
Użyj eksperymentu czynnikowego, gdy masz dwa lub więcej czynników, które chcesz badać w jednym badaniu i gdy wykrywanie interakcji jest naukowo ważne. Jest to preferowane w stosunku do projektów polegających na badaniu jednego czynnika naraz, gdy pozwalają na to zasoby, ponieważ zapewnia te same informacje o każdym czynniku przy niższym całkowitym koszcie próby i dodatkowo daje oszacowania interakcji. Unikaj go, gdy liczba czynników jest duża (cztery lub więcej czynników z wieloma poziomami każdy tworzy niezarządzalną liczbę komórek); w takich przypadkach preferuj projekt czynnikowy ułamkowy lub metodę powierzchni odpowiedzi. Nie używaj pełnego projektu czynnikowego, gdy masz tylko jeden czynnik – wystarczy proste RCT lub jednoczynnikowa ANOVA. Unikaj go również, gdy jest operacyjnie niemożliwe dostarczenie wszystkich kombinacji poziomów czynników.
Ograniczenia i uwagi
- Wymagania dotyczące wielkości próby rosną multiplikatywnie wraz z liczbą czynników i poziomów, co czyni duże projekty kosztownymi.
- Pełne projekty czynnikowe z wieloma czynnikami są często niewykonalne; badacze muszą uciekać się do projektów ułamkowych kosztem pewnej utraty informacji.
- Interpretacja staje się złożona, gdy wiele interakcji wyższego rzędu jest istotnych, co wymaga starannego graficznego przedstawienia i analiz efektów prostych.
- Wszystkie standardowe założenia czynnikowej analizy wariancji (normalność, jednorodność wariancji, niezależność) muszą zostać sprawdzone i, jeśli zostaną naruszone, rozwiązane.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Jedyny projekt, który może oszacować efekty interakcji między czynnikami – najbardziej informatywna cecha badań wieloczynnikowych.
- Bardziej efektywny statystycznie niż oddzielne badania jednoczynnikowe: każda obserwacja przyczynia się do oszacowania każdego głównego efektu.
- Wspiera wnioskowanie przyczynowe, gdy czynniki są w pełni zrandomizowane, spełniając ten sam standard co randomizowane badanie kontrolowane.
- Bardzo elastyczny: czynniki mogą być międzygrupowe, wewnątrzgrupowe (pomiary powtarzane) lub mieszane.
- Uogólnialne wyniki: wnioski dotyczące czynnika A mają zastosowanie we wszystkich badanych poziomach czynnika B, a nie w jednym arbitralnym warunku.
Zastosowania
- Psychologia: badanie, jak efekty interwencji poznawczej różnią się w zależności od grupy wiekowej lub płci uczestnika (projekt międzygrupowy 2 × 2).
- Rolnictwo i biologia: testowanie kombinacji typu nawozu i poziomu nawadniania na plonowanie upraw.
- Inżynieria i produkcja: optymalizacja jakości produktu poprzez jednoczesne zmienianie temperatury procesu, ciśnienia i gatunku materiału.
- Farmakologia: ocena kombinacji dawki leku i drogi podania na biodostępność.
- Edukacja: ocena, czy nowa metoda nauczania jest równie skuteczna w różnych wielkościach klas i obszarach przedmiotowych.
- Marketing: testowanie kombinacji ram komunikatu i kanału medialnego na intencję zakupu konsumenta.
Jak to działa
Jak to działa
Zidentyfikuj wszystkie zmienne niezależne (czynniki) o teoretycznym lub praktycznym znaczeniu i ustal zestaw poziomów dla każdego z nich. Na przykład projekt 2 x 3 ma jeden czynnik na 2 poziomach, a drugi na 3 poziomach, co daje 6 warunków leczenia. Wybór poziomów powinien opierać się na wcześniejszych badaniach lub podstawowej teorii, a nie na arbitralnej wygodzie.
Utwórz każdą możliwą kombinację poziomów czynników. To krzyżowanie definiuje projekt czynnikowy: jeśli czynnik A ma a poziomów, a czynnik B ma b poziomów, projekt zawiera a × b komórek leczenia. Pełne krzyżowanie zapewnia, że główne efekty i wszystkie interakcje są estymowalne bez splątania.
Losowo przypisz jednostki eksperymentalne (uczestników, działki, partie) do komórek leczenia lub, w wariancie wewnątrzgrupowym, losowo ustal kolejność, w jakiej każda jednostka otrzymuje wszystkie warunki. Właściwa randomizacja jest niezbędna do prawidłowego wnioskowania przyczynowego i do spełnienia założenia o niezależności leżącego u podstaw czynnikowej analizy wariancji (ANOVA).
Zastosuj każdy warunek leczenia zgodnie z protokołem i zarejestruj zmienną wynikową dla każdej jednostki. Utrzymanie spójnych procedur we wszystkich komórkach – z wyjątkiem celowej manipulacji czynnikami – ma kluczowe znaczenie dla wykluczenia czynników zakłócających.
Dopasuj model czynnikowej analizy wariancji (ANOVA) (lub regresji z wyrazami interakcji): Y = mu + alpha_i + beta_j + (alpha*beta)_ij + epsilon_ijk. Testy istotności i oszacowania wielkości efektu (eta-kwadrat, omega-kwadrat) są obliczane dla każdego głównego efektu i każdego wyrazu interakcji. Stosunek F dla każdego źródła porównuje jego średni kwadrat z resztowym średnim kwadratem.
Wzór
Y = mu + alpha_i + beta_j + (alpha*beta)_ij + epsilon_ijk
Przeanalizuj wykresy interakcji (średnie komórek wykreślone z jednym czynnikiem na osi x i liniami dla drugiego czynnika). Linie nie równoległe sygnalizują interakcję: efekt jednego czynnika nie jest jednolity na poziomach drugiego. Gdy stwierdzono istotną interakcję, główne efekty należy interpretować ostrożnie – analizy efektów prostych (jednego czynnika na każdym poziomie drugiego) wyjaśniają wzorzec.
Częste pułapki
- Ignorowanie istotnych interakcji i interpretowanie głównych efektów w izolacji – gdy występuje interakcja, główny efekt jest mylącym uśrednieniem heterogenicznych podgrup; zawsze najpierw należy wykresy średnich komórek.
- Niedostateczna moc poszczególnych komórek – moc w projekcie czynnikowym musi być obliczona dla najmniejszego oczekiwanego efektu (często interakcji), a nie tylko dla głównych efektów; stosowanie wzorów na moc głównych efektów prowadzi do niedostatecznej mocy testów interakcji.
- Nierandomizowanie lub niezrównoważenie wielkości komórek – nierówne wielkości komórek wprowadzają nieortogonalność, komplikując podział wariancji; stosuj sumy kwadratów typu III i wyraźnie zgłoś niezrównoważenie.
- Traktowanie projektu czynnikowego jak oddzielnych jednoczynnikowych analiz wariancji – przeprowadzanie indywidualnych analiz wariancji dla każdego czynnika ignoruje skrzyżowaną strukturę i zwiększa błąd typu I; zawsze analizuj pełny model czynnikowy.
- Uwzględnianie zbyt wielu czynników – każdy dodany czynnik mnoży liczbę komórek i złożoność wykresów interakcji; cztery lub więcej czynników zazwyczaj wymaga podejścia ułamkowego lub powierzchni odpowiedzi.
Najczęściej zadawane pytania
Jaka jest różnica między eksperymentem czynnikowym a pełnym eksperymentem czynnikowym?
Każdy pełny eksperyment czynnikowy jest eksperymentem czynnikowym – terminy te są często używane zamiennie. Kiedy badacze je rozróżniają, 'eksperyment czynnikowy' to ogólna kategoria (obejmuje zarówno warianty pełne, jak i ułamkowe), a 'pełny czynnikowy' określa, że uwzględniono każdą możliwą kombinację poziomów czynników. Pełny czynnikowy ułamkowy pomija systematyczny podzbiór komórek, aby zmniejszyć koszty, kosztem splątania interakcji wyższego rzędu.
Ilu uczestników potrzebuję na komórkę?
Minimum dwie lub trzy obserwacje na komórkę są potrzebne do oszacowania wariancji wewnątrzkomórkowej, ale jest to rzadko wystarczające dla odpowiedniej mocy. Formalna analiza mocy przy użyciu oczekiwanej wielkości efektu dla interakcji (zazwyczaj mniejszej niż główne efekty) oraz pożądanych poziomów alfa i mocy powinna określić wielkość komórki. Pięć do dwudziestu uczestników na komórkę to powszechny zakres roboczy w badaniach behawioralnych, ale badania inżynieryjne mogą wykorzystywać trzy lub mniej przy wysokiej precyzji pomiaru.
Co jeśli moja interakcja jest istotna – czy nadal zgłaszam główne efekty?
Tak, ale z ostrożnością. Gdy występuje istotna interakcja, główne efekty opisują średnie z heterogenicznych warunków, co może być mylące. Zgłoś je, ale skup interpretację na interakcji: przeprowadź analizy efektów prostych (testując jeden czynnik oddzielnie na każdym poziomie drugiego) i przedstaw wykresy interakcji, aby czytelnicy mogli bezpośrednio zobaczyć wzorzec.
Czy projekty czynnikowe można stosować z czynnikami wewnątrzgrupowymi (pomiary powtarzane)?
Tak. Mieszane projekty czynnikowe łączą co najmniej jeden czynnik międzygrupowy z co najmniej jednym czynnikiem wewnątrzgrupowym. Możliwe są również w pełni wewnątrzgrupowe projekty czynnikowe. Projekty te zwiększają moc statystyczną, ponieważ indywidualne różnice są kontrolowane, ale wprowadzają efekty przeniesienia i kolejności, które muszą być rozwiązane poprzez zrównoważenie lub okresy wypłukania.
Kiedy powinienem zamiast tego użyć czynnika ułamkowego?
Gdy liczba czynników jest duża (zazwyczaj cztery lub więcej z wieloma poziomami każdy), uruchomienie wszystkich kombinacji leczenia staje się zaporowo drogie. Projekt czynnikowy ułamkowy testuje starannie wybrany ułamek komórek – poświęcając oszacowania interakcji wyższego rzędu (które często są nieistotne w praktyce) w zamian za dramatyczne zmniejszenie liczby prób. Jeśli interakcje wyższe niż dwukrotne są teoretycznie nieprawdopodobne, projekt z połową lub ćwiartką ułamka jest często lepszym wyborem.
Pokrewne metody
Źródła
Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd.
Otwórz odnośnik do publikacjiSkopiowano.Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.
ISBN: 978-1119320937Skopiowano.