실험 설계의 블록은 무엇입니까?

실험 설계에서 블록의 개념에 대해 두 가지 질문이 있습니다. (1) 블록과 요인의 차이점은 무엇입니까? (2) 일부 책을 읽으려고했지만 분명하지 않은 내용이 있습니다. 저자는 항상 "블록 팩터"와 다른 팩터 사이에 상호 작용이 없다고 가정합니다.

1. 블록은 한 요소입니다. 차단의 주요 목표는 비 차단 설계와 비교하여 설계 의 설명 할 수없는 변형 을 줄이는 것입니다 . 우리는 블록 효과 그 자체에 관심이 없으며 , 배경 "잡음"이 실제 요소의 효과를 공감할 것으로 의심 될 때 차단합니다. 실험 단위를 주요 요인의 모든 수준이 동일하게 표현되는 "균일 한"블록으로 그룹화합니다. Randomized Control Block 설계의 분산 분석은 블록 및 잔차 구성 요소에서 동등한 단일 요인 Complete Randomized 설계의 잔차 항을 나눕니다. 그러나 후자의 구성 요소는 단일 요인 CR 설계보다 자유도가 낮아서 다음에 대한 추정치가 높아집니다.$(SS_{Residual})$
   $MS_{Residual} = {SS_{Residual}}/{d.f.}$ 입니다.
   잔차 감소가 df 감소를 보상하는 것 이상을 보상 할 것이라고 생각할 때 차단 여부를 결정해야합니다.

2. 일반적으로 가산 모델은 RCB 설계 데이터에 적합합니다. 응답 변수는 요인과 블록 효과의 가산 조합이며이 둘 사이에 상호 작용이없는 것으로 가정합니다. RCB가 인터랙션 BxF를 블록 내 변수와 실험 단위 내 변수와 구별 할 수 없다는 사실에 기인한다고 생각합니다. 결론은 측정 할 수 없기 때문에 상호 작용을하지 않아도된다는 것입니다. 그러나 시각적으로 존재하는지 Tukey의 테스트로 존재하는지 테스트 할 수 있습니다.

실험 설계에 대한 좋은 자료는 이것 입니다.

간결한 답변입니다. 실험 설계를 다루는 대부분의 문서에서 많은 세부 사항과 예를 찾을 수 있습니다. 특히 농업 경제학에서.

종종 연구원은 블록 효과 자체에 관심이 없지만 블록 간의 반응의 변동성을 설명하려고합니다. 따라서 블록을 특정 역할의 요인으로 보는 데 사용합니다. 참고로, 블록 효과는 일반적으로 임의 효과로 간주됩니다. 마지막으로, '치료 효과'가 블록마다 다를 것으로 예상되면 상호 작용을 고려해야합니다.

여기 전 선생님 Freedom King의 가장 좋아하는 설명이 있습니다.

빵 반죽과 베이킹 온도가 빵의 맛에 어떤 영향을 미치는지 연구하고 있습니다. 당신은 맛에 대한 평가 척도를 가지고 있습니다. 그리고 식품 회사에서 직접 포장하지 않고 포장 된 빵 반죽을 구매한다고 가정 해 봅시다. 구운 빵 한 덩어리는 실험 단위입니다.

$n=160$

$2\times2$

또는 오븐 런을 차단 계수로 취급 할 수 있습니다. 이 경우 오븐을 40 회 실행하면 데이터 수집 속도가 빨라질 수 있습니다. 각 오븐 런에는 4 개의 덩어리가 있지만 반드시 각 반죽 유형 중 2 개는 아닙니다. (정확한 비율은 무작위로 선택됩니다.) 각 온도마다 5 개의 오븐이 있습니다. 이를 통해 동일한 온도 오븐 런 간의 변동성을 설명 할 수 있습니다.

더 멋지게도, 오븐 작동뿐만 아니라 반죽 으로 막을 수도 있습니다. 이 디자인에서는 각 오븐 런에 정확히 두 종류의 반죽이 있습니다.

생각할 시간이 있으면 실험 설계에 적합한 적절한 이름으로 추가로 업데이트하겠습니다.

실험 설계는 세 가지 구조의 조합입니다.

1. 치료 구조 : 치료는 관심 요인에서 어떻게 형성됩니까?
2. 디자인 구조 : 실험 단위는 어떻게 그룹화되어 처리에 할당됩니까?
3. 응답 구조 : 관찰은 어떻게 이루어 집니까?

블록은 디자인 구조에 속하는 "인자"입니다 (차별적으로, "차단 요인"과 "치료 요인"이라고 부르는 것은 나쁜 생각이 아닙니다). 그것들은 성가신 매개 변수 의 좋은 예입니다 : 당신이 가지고 있어야하고 존재를 고려해야하는 모델 매개 변수이지만 그 값은 특별히 흥미롭지 않습니다. 이는 요인의 특성과 아무 관련이 없습니다. 치료 요인이 고정되거나 무작위 일 수있는 것처럼 차단 요인은 고정되거나 무작위 일 수 있습니다.

실험 설계에서 요인이 속하는 위치에 대한 나의 개인적인 경험 규칙은 다음과 같습니다. 요인과 관련된 매개 변수를 추정하고 요인 또는 다른 요인 매개 변수 내에서 비교하려면 처리 구조에 속합니다. 관련 매개 변수의 값에 신경 쓰지 않고 비교하지 않아도되는 경우 요인은 디자인 구조에 속합니다.

따라서이 스레드의 다른 곳에서 빵 예제 에서 실행 간 차이에 대해 걱정해야합니다. 그러나 Run 1과 Run 24를 비교할 필요는 없습니다. 오븐 실행은 디자인 구조에 속합니다 . 내가 할 두 반죽 조리법을 비교하려면 : 레시피 처리 구조에 속한다. 오븐 온도는 처리 구조에 속합니다. 실험적인 디자인을 만들어 봅시다.

디자인 구조에는 하나의 요소 (오븐 런, 런)와 처리 구조에는 두 가지 요소 (레시피 및 온도)가 있습니다. 모든 실행은 단일 (공칭) 온도 여야하므로 온도와 실행은 동일한 수준의 실험 설계에서 발생해야합니다. 그러나 각 런마다 4 개의 덩어리를위한 공간이 있습니다. 분명히, 우리는 실행 당 1, 2, 3 또는 4 개의 빵을 굽도록 선택할 수 있습니다.

한 번에 하나의 덩어리를 굽고 레시피 프리젠 테이션 순서를 무작위 화하면 완전 무작위 설계 (CRD) 구조를 얻게됩니다. 런당 하나의 레시피 중 하나 인 두 개의 덩어리를 굽는 경우 RB (Randomized Complete Block Design) 구조가 있습니다. 각 레시피는 각 런 내에서 발생하는 것이 중요합니다. 그 균형이 없으면, 레시피 비교는 런 차이에 의해 오염됩니다. 기억하십시오 : 차단의 목표 는 달리기 차이를 없애는 것입니다.. 런당 3 개의 빵을 굽는다면 아마도 미쳤을 것입니다. 3은 160의 요소가 아니므로 하나 또는 두 개의 다른 크기의 블록을 갖게됩니다. 다른 합리적인 가능성은 런당 4 개의 덩어리입니다. 이 경우 우리는 각 실행에서 각 레시피 두 덩어리를 구울 것입니다. 다시, 이것은 RCB 구조입니다. 각 실행에서 각 레시피의 두 덩어리 사이의 차이를 사용하여 실행 내 변동성을 추정 할 수 있습니다.

RCB 설계 구조 중 하나를 선택하면 실행 레벨에서 온도 효과가 완전히 임의 화됩니다. 레시피는 온도 내에 중첩되며 각 반죽이 각 실행 내에 나타나기 때문에 온도와 다른 오류 구조를 갖습니다. 반죽 비유 도성 (상호 작용)에 의한 레시피와 레시피를 보는 대조는 실행마다 변동성이 없습니다. 기술적으로이를 분할 형 설계 구조 또는 반복 측정 설계 구조라고합니다.

조사관은 어느 것을 사용합니까? 아마도 4 개의 덩어리가있는 RCB : 40 회 대 80 대 160은 많은 무게를 지니고 있습니다. 그러나이 문제는 산업 생산이 아닌 가정용 오븐 일 경우 수정 될 수 있습니다. 가정용 베이커가 거의 여러 개의 빵을 굽는 경우가 아니라면 CRD를 사용해야 할 이유가있을 수 있습니다.

대부분의 경우 이는 각 분야에 적합한 컨벤션 문제 일 뿐이라고 생각합니다. 나는 의학적인 맥락에서 두 가지 요소에서 하나의 요소는 거의 항상 "치료"와 다른 "차단"이라고 불린다 고 생각합니다.

일반적으로 ocram이 말했듯이 블록 효과는 임의의 효과가되지만 이것이 체계적이라고 생각하지 않습니다. 여러 가지 치료법의 효과를 평가하고 싶다고 말하십시오.

• 첫 번째 디자인 : 각 환자는 한 번의 치료 만 받고 효율성은 적절한 규모로 측정됩니다. 환자의 성별에 관심이있는 것으로 의심됩니다. 남성의 "차단"과 여성의 환자가 있습니다. 이 경우 블록은 효과가 고정 된 요소입니다.

• 두 번째 디자인 : 각 환자는 다른 순간에 모든 치료를 시도합니다. 환자마다 약간의 차이가 있기 때문에 각 환자를 "차단"으로 간주합니다. 모집단에 이러한 변동성의 존재에 관심이 있지만 이러한 특정 환자의 가치에는 관심이 없습니다. 이 경우 블록은 임의 효과가있는 요소입니다.

글쎄, 나는 교과서에서 얻은 도메인의 규칙 (프랑스에서)을 고수하려고 노력 하면서이 물건을 가르치지 만 임상 시험에 참여한 적이 없으며 원하지 않습니다 ... 내 두 센트 ...!