나는 농업 경제학 및 생태학의 고급 대학원생들을위한 실험 설계 과정을 제안하도록 요청 받았다. 나는 그런 과정을 한 번도 본 적이 없으며,이 과정의 이름이 "Beyond one-way ANOVA"라는 이름으로 더 적합 할 수 있으며, 농업 분야 실험 통계에 대한 고급 대학원 과정에서 배운 자료를 포함한다는 사실에 놀랐습니다 RCBD, 라틴 제곱, 대비, 반복 측정 및 공변량). 아마도 "실험 결과 분석"보다는 "실험 디자인"이라는 이름으로 혼동 될 수 있습니다.
나는 그러한 과정이 무엇을 포함해야하는지에 대한 아이디어를 가지고 있으며 이것이 학생들의 요구를 충족시키는 통계 커리큘럼에 어떻게 통합 될 수 있는지에 대한 피드백을 높이 평가하면서 명명 된 디자인 목록 및 관련 테스트에 대한 현대적인 대안을 제시합니다.
예를 들어, 회귀 모델과 선형 및 2 차 함수를 비교하도록 가르 칠 수있을 때 연속 변수의 분류를 강제하는 분산과 선형 및 2 차 대비를 사용하도록 학생들을 가르치는 것을 상상할 수 없습니다. 두 번째 경우에는 실험적으로 정의 된 이산 값이 아닌 요인을 처리하는 방법도 배웁니다. 있다면 두 가지 접근법을 비교할 수 있습니다.
"실험 디자인"과정을 강의한다면 통계 모델과는 독립적이며 다른 문제로보다 광범위하게 해석 될 수있는 기본 개념을 강조하고 싶습니다. 이를 통해 학생들은 최신 통계 접근 방식을보다 유연하게 사용할 수 있습니다.
기존 과정에서 다루지 않은 것으로 보이는 관련 개념 중 일부는 다음과 같습니다.
- 계층 적 및 혼합 모델 (이는 ANOVA 및 친척을 한 예로 이해함)
- 모델 비교 (예 : 대비를 대체하기 위해)
- 블록 대신 공간 모델을 '인자'로 사용
- 복제, 무작위 화 및 IID
- 가설 검정, p- 해킹 및 패턴 인식의 차이점.
- 시뮬레이션을 통한 전력 분석 (예 : 시뮬레이션 된 데이터 세트에서 매개 변수 복구)
- 사전 등록,
- 출판 된 연구 및 과학적 원칙으로부터의 사전 지식의 사용.
현재 그러한 접근 방식을 취하는 과정이 있습니까? 그런 초점을 맞춘 교과서가 있습니까?