实验设计
- 1 min“Block what you can, and randomize what you cannot”
介绍
-
实验：对客体做一些事，观察客体的反应
-
实验设计：通过控制无关变量 (Block)，观察处理对客体造成的反应
-
原则：
- 控制 (Control)：控制无关变量，纯粹地比较处理组间的差异
- 随机 (Randomize)：随机分配处理给实验对象
- 重复 (Replicate)：在充足的样本里重复性投放每种处理
流程
一、设计实验
1. 实验目的
实验目的：我想研究什么
例子： 哪种教学方式更适合继续教育的学生，实体课还是网课?
提出假设
反证法：你想证明你的某个结论 ($H_A$)，首先拒绝你不承认的结论 ($H_0$)。
假设结构：
$H_0$：你想推翻的结论
$H_A$：你想证实的结论
例子:
$H_0$：接受网课学生的平均成绩 = 接受实体课学生的平均成绩
$H_A$：接受网课学生的平均成绩 $\ge$ 接受实体课学生的平均成绩
2. 元素
- 实验单位：接受实验的个体（例子: 学生）
- 处理 (Treatment)：对实验单位的处理（例子：授课类型）
- 影响 (Response/Effect)：处理对实验单位的影响（例子: 学生的接受程度）
测量影响：怎么量化影响的大小（例子: 学生成绩变化）
- 无关变量：我们不关心但会对实验单位造成影响的变量（例子: 学生年龄）
变量：能影响实验单位的变量，即——处理 + 骚扰变量
3. 样本
总体：
所有实验研究的对象。（例子：普遍的学生）
抽样：
在不能对总体所有对象进行实验的情况下，需要从总体抽取一定人数的样本，并通过对样本进行实验，以得出同样适用于总体的实验结论。
决定样本大小的因素：
$\alpha$: 显著性水平 (Significance level)
$\beta$: 统计功效 (Power)
4. 框架设计（Design Structure）
Block:
- 每种Block就是一种无关变量
- 每种Block有多少个水平？
处理（Treatment）:
- 处理有多少个水平？每个水平的值是多少？
- 实验组内怎么把各个水平的处理分配到每个实验单位上？
例子
二、数据收集
测量处理对实验单位的影响 (effect)。
- 如何测量影响的大小？
- 测量值与真实值是否有偏差？
三、数据分析
假设检验
用统计的方法检验你的假设是否成立/不成立。
统计检验前要检查数据是否符合检验的前提： 方差是否相等？ 误差是否正态分布？
Reference
Concepts of Experimental Design
Zhijian Liu
A foodaholic