Hiểu cốt truyện chia

Ai đó có thể giải thích cho tôi trực giác đằng sau âm mưu chia rẽ?

Từ những gì tôi hiểu, về cơ bản là hạn chế ngẫu nhiên. Nhưng tôi vẫn không hiểu lắm. Có một tài nguyên hoặc ví dụ bất cứ ai có thể cho tôi để làm cho nó rõ ràng hơn?

Các ô phân chia thường được sử dụng ngoài sự cần thiết, nhưng có thể có những lợi thế thống kê về độ chính xác của độ tương phản của bạn (hoặc cũng có nhược điểm). Dưới đây là sự hiểu biết thô sơ của tôi về trực giác khi sử dụng cốt truyện phân chia:

Đầu tiên, hãy để tôi thiết lập rằng hai thuật ngữ phổ biến trong thiết kế cốt truyện phân chia là "toàn bộ yếu tố cốt truyện" và "yếu tố cốt truyện phụ". Trong một nghiên cứu nông nghiệp, toàn bộ yếu tố cốt truyện nằm ở quy mô không gian lớn hơn, giả sử toàn bộ các lĩnh vực, đại diện cho các mức độ khác nhau của một số điều trị như hiệu quả thoát nước. Các yếu tố cốt truyện phụ được lồng trong không gian trong toàn bộ yếu tố cốt truyện. Các yếu tố subplot thường là một cái gì đó có thể được áp dụng ở quy mô không gian nhỏ hơn, chẳng hạn như loại cây trồng.

Ngoài lý do thực tế (có thể là trường hợp trong ví dụ tôi đã viết ở trên), sức mạnh phân chia có thể hiệu quả (hoặc không hiệu quả!). Federer và King 2007 đề xuất rằng một lý do để sử dụng biểu đồ Split là so với ANOVA 2 chiều, bạn thường có độ chính xác cao hơn để phát hiện sự tương phản giữa các yếu tố cốt truyện phụ. Ngoài ra, hiệu ứng tương tác có thể dễ dàng phát hiện hơn. Ngược lại, độ chính xác để phát hiện độ tương phản giữa toàn bộ yếu tố cốt truyện thường giảm.

Những khác biệt này được giải thích bởi thực tế là hai thuật ngữ lỗi dư riêng biệt được sử dụng để kiểm tra giả thuyết. Toàn bộ thuật ngữ lỗi lô được tính bằng cách tính trung bình các ô con đầu tiên trong mỗi ô.

Âm mưu nhổ đôi khi cũng được sử dụng như một âm mưu phân chia theo thời gian, mà theo tôi hiểu là tương tự như một biện pháp lặp đi lặp lại, thường được sử dụng trên các đối tượng. Tôi không chắc lợi thế này bằng cách này hay cách khác là gì. Các bản đồ thuật ngữ như sau:

 split-plot design = repeated-measures design
 whole plot        = subject
 whole plot factor = between-subject factor
 split-plot factor = within-subject factor = repeated-measures factor

Một tài liệu tham khảo rất toàn diện về lý thuyết và thực hiện cốt truyện phân tách là: Federer WT & King F (2007) Biến thể về thiết kế thí nghiệm phân tách và phân tách khối (John Wiley & Sons).

Một nguồn tài nguyên tốt sẽ là " Thiết kế thí nghiệm " của Mead (1988), chương 14. Tôi nghĩ rằng có một phiên bản mới ở đây . Nhưng bạn không thực sự cần phiên bản mới để hiểu cốt truyện phân chia và tôi cho rằng bạn có quyền truy cập vào những cuốn sách này tại thư viện địa phương của bạn.

Tôi có thể cho bạn giá trị 2 xu của tôi. Trong thế giới lý tưởng, nếu bạn có 2 phương pháp điều trị, bạn sẽ muốn thực hiện một thiết kế giai thừa. Nó có lẽ là thiết kế hiệu quả nhất mà bạn có thể sử dụng. Tuy nhiên, thường có giới hạn thực tế. Có lẽ 2 phương pháp điều trị phải được áp dụng cho các cấp độ khác nhau của đơn vị (1 lớn hơn, 1 nhỏ hơn), sau đó bạn sẽ phải đối mặt với chia lô. Vì vậy, quan điểm của tôi về cốt truyện phân chia là nó phát sinh từ giới hạn thực tế.

Liên kết với khái niệm ngẫu nhiên bị hạn chế, vâng, biểu đồ phân chia là một loại ngẫu nhiên bị hạn chế. Điều trị được áp dụng cho đơn vị chính (âm mưu 'lớn hơn') được chọn ngẫu nhiên theo nghĩa hạn chế. Nhưng hạn chế được đặt ra bởi giới hạn thực tế hơn là lý tưởng thống kê.