Măsuri repetate modele: beneficii, provocări, și un exemplu ANOVA

măsuri repetate modele nu se potrivesc impresia noastră de un experiment tipic în mai multe moduri cheie. Când ne gândim la un experiment, ne gândim adesea la un design care are o distincție clară între grupurile de tratament și cele de control. Fiecare subiect se află într-unul și numai unul dintre aceste grupuri care nu se suprapun. Subiecții care se află într-un grup de tratament sunt expuși unui singur tip de tratament. Aceasta este proiectarea experimentală a grupurilor independente comune.,aceste idei par importante, dar măsurile repetate modele le arunca pe fereastră! Ce se întâmplă dacă aveți un subiect în grupul de control și toate grupurile de tratament? E vreo problemă? Nu neapărat. De fapt, măsurile repetate pot oferi beneficii extraordinare!în acest post, voi evidenția avantajele și dezavantajele utilizării unui design de măsuri repetate și voi arăta un exemplu de analiză a unui design de măsuri repetate folosind ANOVA în Minitab.

care sunt măsurile repetate desene sau modele?,după cum v-ați aștepta, măsurile repetate implică măsurători multiple ale fiecărui subiect. Nu este o surpriză, dar există mai mult decât atât. În modele de măsuri repetate, subiecții sunt de obicei expuși la toate condițiile de tratament. Surprinzător, nu?în acest tip de design, fiecare subiect funcționează ca un bloc experimental. Un bloc este o variabilă categorică care explică variația variabilei de răspuns care nu este cauzată de factorii despre care doriți cu adevărat să știți., Utilizați blocuri în experimente proiectate pentru a minimiza părtinirea și variația erorii din cauza acestor factori de neplăcere.

în modele de măsuri repetate, subiecții sunt propriile lor controale, deoarece modelul evaluează modul în care un subiect răspunde la toate tratamentele. Prin includerea blocului subiect în analiză, puteți controla factorii care determină variabilitatea între subiecți. Rezultatul este că numai variabilitatea în cadrul subiecților este inclusă în termenul de eroare, ceea ce duce, de obicei, la un termen de eroare mai mic și la o analiză mai puternică.,mai multă putere statistică: proiectele de măsuri repetate pot fi foarte puternice, deoarece controlează factorii care determină variabilitatea între subiecți.mai puțini subiecți: datorită puterii statistice mai mari, un design de măsuri repetate poate utiliza mai puțini subiecți pentru a detecta o dimensiune dorită a efectului. Sunt posibile reduceri suplimentare ale mărimii eșantionului, deoarece fiecare subiect este implicat în mai multe tratamente. De exemplu, dacă un proiect de grupuri independente necesită 20 de subiecți pe grup experimental, un proiect de măsuri repetate poate necesita doar 20 total.,

mai rapid și mai ieftin: mai puțini subiecți trebuie să fie recrutați, instruiți și compensați pentru a finaliza un întreg experiment.

evaluați un efect în timp: măsurile repetate pot urmări un efect în plus, cum ar fi curba de învățare pentru o sarcină. În această situație, este adesea mai bine să măsurați același subiect de mai multe ori decât subiecte diferite la un moment dat pentru fiecare.

gestionarea provocărilor de măsuri repetate desene sau modele

măsuri repetate desene sau modele au unele dezavantaje în comparație cu modele care au grupuri independente., Cele mai mari dezavantaje sunt cunoscute sub numele de efecte de ordine și sunt cauzate de expunerea subiecților la mai multe tratamente. Efectele comenzii sunt legate de ordinea în care tratamentele sunt date, dar nu datorită tratamentului în sine. De exemplu, scorurile pot scădea în timp din cauza oboselii sau pot crește din cauza învățării. În testele de gust, un vin uscat poate obține un rang mai mare dacă a fost precedat de un vin uscat și un rang inferior dacă este precedat de un vin mai dulce. Efectele comenzii pot interfera cu capacitatea analizei de a estima corect efectul tratamentului în sine.,există diferite metode pe care le puteți utiliza pentru a reduce aceste probleme în proiectele de măsuri repetate. Aceste metode includ randomizarea, permițând timp între tratamente și contrabalansând ordinea tratamentelor, printre altele. În cele din urmă, este întotdeauna bine să ne amintim că un design independent grupuri este o alternativă pentru evitarea efectelor de ordine.

Mai jos este un crossover foarte frecvente măsuri repetate de proiectare. Studiile care utilizează acest tip de design sunt la fel de diverse ca evaluarea diferitelor campanii publicitare, programe de instruire și produse farmaceutice., În acest design, subiecții sunt repartizați aleatoriu la cele două grupuri și puteți adăuga tratamente suplimentare și un grup de control, după cum este necesar. există mai multe tipuri diferite de măsuri repetate modele și este dincolo de domeniul de aplicare al acestui post pentru a acoperi toate acestea. Fiecare studiu trebuie să ia în considerare cu atenție ce design răspunde nevoilor specifice ale studiului.

Pentru mai multe informații despre diferite tipuri de modele de măsuri repetate, cum să aranjați foaia de lucru și cum să efectuați analiza în Minitab, consultați analiza unui design de măsuri repetate., De asemenea, aflați cum să utilizați Minitab pentru a analiza un pătrat Latin cu design de măsuri repetate. Acum, să folosim Minitab pentru a efectua o măsuri complexe repetate ANOVA!

exemplu de măsuri repetate ANOVA

un experiment a fost efectuat pentru a determina modul în care mai mulți factori afectează precizia subiectului în ajustarea cadranelor. Trei subiecți efectuează teste efectuate la unul din cele două niveluri de zgomot. La fiecare din cele trei perioade de timp, subiecții au monitorizat trei cadrane diferite și au făcut ajustări după cum este necesar. Răspunsul este un scor de precizie. Factorii de zgomot, timp și cadran sunt traversați, factori fixi., Subiectul este un factor aleatoriu, imbricat în zgomot. Zgomotul este un factor între subiecți, timpul și cadranul sunt factori în interiorul subiecților.iată datele pentru a încerca singur acest lucru. Dacă nu utilizați deja software-ul nostru și doriți să joace de-a lungul, puteți obține o versiune de încercare gratuită de 30 de zile.

Pentru a analiza acestei măsuri repetate de design folosind ANOVA în Minitab, alege: Statistica > ANOVA > General Linear Model > se Potrivesc General Linear Model, și urmați acești pași:

  1. În Răspunsuri, introduceți Scorul.,
  2. în factori, introduceți zgomot subiect eTime Dial.
  3. Faceți clic pe Aleatoare / cuib.
  4. sub cuib, introduceți zgomot în celula din dreapta subiectului.
  5. sub Tipul factorului, alegeți aleatoriu în celula din dreapta subiectului.
  6. Faceți clic pe OK, apoi faceți clic pe Model.
  7. sub factori și covariabile, selectați toți factorii.
  8. din meniul derulant din dreapta interacțiunilor prin ordine, alegeți 3.
  9. Faceți clic pe butonul Adăugare.
  10. din Termenii din model, alegeți Subject * Etime * Dial (Noise) și faceți clic pe Delete.
  11. Faceți clic pe OK în toate casetele de dialog.,

mai jos sunt cele mai importante.puteți obține o idee despre modul în care designul a afectat sensibilitatea testelor F vizualizând componentele varianței de mai jos. Variația componentelor utilizate în testarea într-subiecte factori sunt mai mici (7.13889, 1.75, 7.94444) decât între subiecții de varianță (65.3519). Este tipic faptul că un model de măsuri repetate poate detecta diferențe mai mici de mijloace în cadrul subiecților în comparație cu între subiecți.dintre cele patru interacțiuni între factorii fixați, interacțiunea zgomot prin timp a fost singura cu o valoare p scăzută (0,029)., Acest lucru implică faptul că există dovezi semnificative pentru a judeca că sensibilitatea subiecților la zgomot sa schimbat în timp. Există, de asemenea, dovezi semnificative pentru un efect de apelare (valoarea p < 0.0005). Printre termenii aleatorii, există dovezi semnificative pentru efectele timpului după subiect (valoarea p = 0,013) și subiect (valoarea p < 0,0005).

În încheiere, voi grafic aceste efecte folosind Stat > ANOVA > General Linear Model > Factorial Parcele., Acest instrument la îndemână ia modelul nostru ANOVA și produce un complot efecte principale și un complot interacțiuni pentru a ne ajuta să înțelegem ce înseamnă cu adevărat rezultatele.

Author: admin

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *