İçeriğe atla
Arama sonuçlarına dön

Faktöriyel Deney — Faktöriyel Deneysel Tasarım

Ortaya koyan
Ronald A. Fisher
Yıl
1926–1935
Tür
Quantitative experimental design
Aile
Experimental design

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Faktöriyel deney, iki veya daha fazla bağımsız değişkenin (faktörlerin) eş zamanlı olarak manipüle edildiği ve seviyelerinin her bir kombinasyonunun test edildiği bir deneysel tasarımdır.

Ronald Fisher tarafından 1920'ler-1930'larda tanıtılan bu yöntem, bir araştırmacının yalnızca her bir faktörün ana etkisini değil, aynı zamanda bir faktörün etkisinin başka bir faktörün seviyesine bağlı olup olmadığını — etkişim etkisini — tespit etmesi gerektiğinde standart yaklaşımdır.

Yöntemin mantığı

Ürün verimliliği üzerinde yeni bir gübre (evet/hayır) ve iki sulama seviyesini (düşük/yüksek) test ettiğinizi hayal edin. Tek seferde tek faktör yaklaşımı iki ayrı deney gerektirirdi. Faktöriyel bir deney, dört kombinasyonun tamamını — gübre-evet/sulama-düşük, gübre-evet/sulama-yüksek, gübre-hayır/sulama-düşük, gübre-hayır/sulama-yüksek — tek bir çalışmada test eder. Bu hem kaynak tasarrufu sağlar hem de gübrenin yüksek sulama altında düşük sulamaya göre daha iyi çalışıp çalışmadığını keşfetmenin tek yoludur. Bu çapraz desen bir etkileşimdir ve faktöriyel tasarımlar özellikle onu tespit etmek için tasarlanmıştır.

Tarih

Ronald Fisher, faktöriyel deneylerin mantığını 1926'daki tarım deneyleri üzerine yazdığı makalesinde biçimlendirmiş ve 1935 tarihli dönüm noktası niteliğindeki The Design of Experiments adlı kitabında, sağlam ampirik çıkarımın temeli olarak rastgeleleştirme, tekrarlama ve faktöriyel çaprazlama kavramlarını tanıttığı yerde teoriyi detaylandırmıştır. Fisher'ın çalışması, birden fazla agronomik müdahaleyi tek tek değil, eş zamanlı olarak test etme pratik ihtiyacından kaynaklanmıştır. Yirminci yüzyılın ortalarına gelindiğinde, faktöriyel tasarımlar psikoloji, mühendislik, tıp ve sosyal bilimlerde benimsenmişti. Douglas Montgomery'nin yaygın olarak kullanılan textbook'u Design and Analysis of Experiments (ilk baskı 1976), faktöriyel ve kesirli faktöriyel yöntemleri mühendislik ve endüstriyel kitlelere ulaştırmış, bu yaklaşımı deneysel metodolojinin temel taşı olarak sağlamlaştırmıştır.

Ne zaman kullanılır?

İki veya daha fazla faktörü tek bir çalışmada incelemek istediğinizde ve etkileşimleri tespit etmek bilimsel olarak önemli olduğunda bir faktöriyel deney kullanın. Kaynaklar izin verdiğinde, her ana etki için aynı bilgiyi daha düşük toplam örnek maliyetle sağladığı ve ayrıca etkileşim tahminleri ürettiği için, tek seferde tek faktör tasarımlarına tercih edilir. Faktör sayısı fazlaysa (dört veya daha fazla faktör ve her biri birden fazla seviyede yönetilemeyecek kadar çok sayıda hücre oluşturur); bu durumlarda kesirli bir faktöriyel tasarım veya yanıt yüzeyi yöntemi tercih edin. Yalnızca bir faktörünüz varsa tam bir faktöriyel tasarım kullanmayın — basit bir RCT veya tek yönlü ANOVA yeterlidir. Ayrıca, faktör seviyelerinin tüm kombinasyonlarını uygulamak operasyonel olarak imkansız olduğunda kaçının.

Sınırlar ve dikkat edilmesi gerekenler

  • Örneklem büyüklüğü gereksinimi, faktörlerin ve seviyelerin sayısıyla çarpılarak artar, bu da büyük tasarımları pahalı hale getirir.
  • Çok sayıda faktöre sahip tam faktöriyel tasarımlar genellikle uygulanamaz; araştırmacılar, bazı bilgi kaybı pahasına kesirli tasarımlara veya yanıt yüzeyi yöntemlerine başvurmak zorundadır.
  • Birden fazla üst düzey etkileşim anlamlı olduğunda yorumlama karmaşıklaşır, dikkatli grafik çizimi ve basit etki takip analizleri gerektirir.
  • Tüm standart faktöriyel ANOVA varsayımları (normallik, varyans homojenliği, bağımsızlık) kontrol edilmeli ve ihlal edilirse ele alınmalıdır.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Faktörler arasındaki etkileşim etkilerini tahmin edebilen tek tasarım — çok faktörlü araştırmanın en bilgilendirici özelliğidir.
  • Ayrı tek faktörlü çalışmalardan daha istatistiksel olarak verimlidir: her gözlem her ana etkiyi tahmin etmeye katkıda bulunur.
  • Faktörler tam olarak rastgeleleştirildiğinde nedensel çıkarımı destekler, rastgele kontrollü bir deneme ile aynı standardı karşılar.
  • Son derece esnektir: faktörler denekler arası, denek içi (tekrarlanan ölçümler) veya karma olabilir.
  • Genelleştirilebilir bulgular: A faktörü hakkındaki sonuçlar, tek bir keyfi koşul altında değil, test edilen B faktörünün tüm seviyeleri boyunca geçerlidir.

Uygulama alanları

  • Psikoloji: bilişsel bir müdahalenin etkilerinin katılımcı yaş grubuna veya cinsiyetine göre nasıl farklılaştığını incelemek (2 × 2 denekler arası tasarım).
  • Tarım ve biyoloji: ürün verimliliği üzerinde gübre türü ve sulama seviyesi kombinasyonlarını test etmek.
  • Mühendislik ve üretim: proses sıcaklığı, basıncı ve malzeme kalitesini eş zamanlı olarak değiştirerek ürün kalitesini optimize etmek.
  • Farmakoloji: biyoyararlanım üzerindeki ilaç dozu ve uygulama yolu kombinasyonlarını değerlendirmek.
  • Eğitim: yeni bir öğretim yönteminin farklı sınıf boyutları ve konu alanlarında eşit derecede etkili olup olmadığını değerlendirmek.
  • Pazarlama: tüketici satın alma niyeti üzerindeki mesaj çerçeveleme ve medya kanalı kombinasyonlarını test etmek.

Nasıl çalışır?

Nasıl çalışır?

1

Teorik veya pratik ilgiye sahip tüm bağımsız değişkenleri (faktörleri) belirleyin ve her biri için seviye kümesini sabitleyin. Örneğin, 2 x 3 bir tasarım, 2 seviyede bir faktöre ve 3 seviyede ikinci bir faktöre sahiptir, bu da 6 tedavi koşulu sağlar. Seviye seçimi, keyfi kolaylık yerine, önceki araştırmalara veya temel teoriye dayanmalıdır.

2

Faktör seviyelerinin her olası kombinasyonunu oluşturun. Bu çaprazlama, faktöriyel bir tasarımı tanımlayan şeydir: A faktörünün a seviyesi ve B faktörünün b seviyesi varsa, tasarım a × b tedavi hücresi içerir. Tam çaprazlama, ana etkilerin ve tüm etkileşimlerin karıştırılmadan tahmin edilebilir olmasını sağlar.

3

Deneysel birimleri (katılımcılar, parseller, partiler) tedavi hücrelerine rastgele atayın veya bir denek-içi varyantında, her birimin tüm koşulları aldığı sırayı rastgeleleştirin. Uygun rastgeleleştirme, geçerli nedensel çıkarım ve faktöriyel ANOVA'nın altında yatan bağımsızlık varsayımını karşılama için esastır.

4

Her bir tedavi koşulunu protokole göre uygulayın ve her birim için sonuç değişkenini kaydedin. Faktörlerin kasıtlı manipülasyonu dışında tüm hücrelerde tutarlı prosedürlerin sürdürülmesi, karıştırıcıları dışlamak için kritiktir.

5

Bir faktöriyel ANOVA (veya etkileşim terimli regresyon) modeli uydurun: Y = mu + alpha_i + beta_j + (alpha*beta)_ij + epsilon_ijk. Her ana etki ve her etkileşim terimi için anlamlılık testleri ve etki büyüklüğü tahminleri (eta-kare, omega-kare) hesaplanır. Her kaynak için F-oranı, ortalama karesini artık ortalama karesiyle karşılaştırır.

Formül
Y = mu + alpha_i + beta_j + (alpha*beta)_ij + epsilon_ijk
6

Etkileşim grafiklerini (x ekseninde bir faktör ve diğer faktör için çizgilerle çizilen hücre ortalamaları) inceleyin. Paralel olmayan çizgiler bir etkileşimi işaret eder: bir faktörün etkisi diğerinin seviyeleri boyunca tekdüze değildir. Anlamlı bir etkileşim bulunduğunda, ana etkiler dikkatli bir şekilde yorumlanmalıdır — basit etki analizleri (diğerinin her seviyesinde tek bir faktörü test etme) deseni netleştirir.

Sık yapılan hatalar

  • Anlamlı etkileşimleri göz ardı etmek ve ana etkileri izole bir şekilde yorumlamak — bir etkileşim mevcut olduğunda, ana etki heterojen alt gruplar boyunca ortalama alınarak yanıltıcı olabilir; her zaman önce hücre ortalamalarını çizin.
  • Bireysel hücreleri yetersiz güçlendirme — faktöriyel bir tasarımda güç, ana etkilerin kendisi için değil, en küçük beklenen etki (genellikle etkileşim) için hesaplanmalıdır; ana etki güç formüllerini kullanmak, yetersiz güçlü etkileşim testlerine yol açar.
  • Hücre boyutlarını rastgeleleştirmeyi veya dengelemeyi başaramamak — eşit olmayan hücre boyutları ortogonal olmayanlık yaratır, varyansın ayrılmasını karmaşıklaştırır; Tip III toplam kareleri kullanın ve dengesizliği açıkça bildirin.
  • Faktöriyel bir tasarımı ayrı tek yönlü ANOVA'lar gibi ele almak — her faktör için bireysel ANOVA'lar çalıştırmak, çapraz yapıyı göz ardı eder ve Tip I hatayı artırır; her zaman tam faktöriyel modeli analiz edin.
  • Çok fazla faktör dahil etmek — eklenen her faktör hücre sayısını ve etkileşim grafiklerinin karmaşıklığını çarpar; dört veya daha fazla faktör genellikle kesirli veya yanıt yüzeyi yaklaşımını gerektirir.

Sık sorulan sorular

Faktöriyel deney ile tam faktöriyel deney arasındaki fark nedir?

Her tam faktöriyel deney bir faktöriyel deneydir — terimler genellikle birbirinin yerine kullanılır. Araştırmacılar bunları ayırt ettiğinde, 'faktöriyel deney' genel kategoridir (hem tam hem de kesirli varyantları içerir) ve 'tam faktöriyel' her olası faktör seviyesi kombinasyonunun dahil edildiğini belirtir. Kesirli bir faktöriyel, maliyeti azaltmak için hücrelerin sistematik bir alt kümesini atlar, bu da yüksek dereceli etkileşimlerin karıştırılması pahasına olur.

Hücre başına kaç katılımcıya ihtiyacım var?

Minimum olarak, hücre içi varyansı tahmin etmek için hücre başına iki veya üç gözlem gereklidir, ancak bu yeterli güç için nadiren yeterlidir. Etkileşim için beklenen etki büyüklüğünü (tipik olarak ana etkilerden daha küçük) ve istenen alfa ve güç seviyelerini kullanarak resmi bir güç analizi, hücre boyutunu belirlemelidir. Davranışsal araştırmalarda hücre başına beş ila yirmi katılımcı yaygın bir çalışma aralığıdır, ancak mühendislik çalışmaları yüksek ölçüm hassasiyeti ile üç veya daha az kullanabilir.

Etkileşimim anlamlıysa ne olur — ana etkileri hala rapor etmeli miyim?

Evet, ancak dikkatli bir şekilde. Anlamlı bir etkileşim mevcut olduğunda, ana etkiler heterojen koşullar boyunca ortalamaları açıklar, bu da yanıltıcı olabilir. Bunları rapor edin, ancak yorumlamayı etkileşime odaklayın: basit etki analizleri yapın (diğerinin her seviyesinde tek bir faktörü ayrı ayrı test edin) ve okuyucuların deseni doğrudan görebilmeleri için etkileşim grafiklerini sunun.

Faktöriyel tasarımlar denek içi (tekrarlanan ölçümler) faktörlerle kullanılabilir mi?

Evet. Karma faktöriyel tasarımlar, en az bir denekler arası faktörü en az bir denek içi faktörle birleştirir. Tamamen denek içi faktöriyel tasarımlar da mümkündür. Bu tasarımlar bireysel farklılıklar kontrol edildiği için istatistiksel gücü artırır, ancak dengelemeyle veya temizleme periyotlarıyla ele alınması gereken taşıma ve sıra etkileri getirir.

Ne zaman kesirli faktöriyel kullanmalıyım?

Faktör sayısı fazla olduğunda (tipik olarak her biri birden fazla seviyede dört veya daha fazla), tüm tedavi kombinasyonlarını çalıştırmak çok pahalı hale gelir. Kesirli bir faktöriyel tasarım, hücrelerin dikkatlice seçilmiş bir kesrini test eder — yüksek dereceli etkileşimlerin tahminlerinden (pratikte genellikle ihmal edilebilir) fedakarlık ederek çalışma sayısında dramatik bir azalma elde eder. İki yönlü etkileşimlerin ötesindeki etkileşimler teorik olarak olası değilse, yarım kesir veya çeyrek kesir tasarımı genellikle daha iyi bir seçimdir.

İlgili yöntemler

Kaynaklar

  1. Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd.

    Yayın kaynağını aç
    Kopyalandı.
  2. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.

    ISBN: 978-1119320937
    Kopyalandı.