Рандомизация

 

Рандомизация – это процесс случайного распределения участников эксперимента по группам или порядка предъявления им экспериментальных условий.

 

Для каждой из экспериментальных схем существуют свои методы рандомизации.

 

 

Так для межгрупповой схемы, основной недостаток которой состоит в том, что существует постоянная опасность смешения из-за разницы испытуемых в группах, используются две техники распределения испытуемых по группам, которые помогают избежать этого нежелательного эффекта:

 

1) Первая техника - распределение случайным образом (рандомизация) При этом методе характеристики испытуемых игнорируются и распределение по группам является случайным и непредвзятым. Это значит, что любой испытуемый имеет равные шансы попасть в любую группу. Способы формирования групп:

· простейший генератор случайных чисел

· таблица случайных чисел

Следует, однако, учитывать, что рандомизация не гарантирует равенство групп по важным для исследователя показателям.

 

2) Вторая стратегия - распределение по условиям(стратегия попарного отбора) Эта техника употребляется реже, чем первая. Экспериментальная и контрольные группы составляются из индивидов, эквивалентных по значимым для экспериментатора параметрам. Обычно распределение производится по переменной, которая вероятнее всего может вызвать смешение. Такое распределение имеет ряд проблем:

· невозможность соотнести все характеристики с условиями эксперимента,

· экспериментатор может не знать, какие характеристики следует принимать во внимание,

· даже если группы уже сформированы, все равно экспериментатор может пропустить какую-либо характеристику, потенциально связанную с независимой переменной,

· распределение по одной переменной может нарушить распределение по другим переменным,

· потеря испытуемых, т.е. один или несколько испытуемых не участвуют в эксперименте до конца, или их поведение меняется радикально по причинам, далеким от независимой переменной. Испытуемый может заболеть, отказаться от дальнейшего участия или же выполнять тесты с таким количеством ошибок, что результаты становятся неинтерпретируемыми. В длительном эксперименте испытуемые могут взрослеть и их характеристики будут изменяться. Несмотря на тщательное распределение испытуемых по группам, потеря даже одного испытуемого может сделать группы неравными по своим характеристикам.

 

 

В интраиндивидуальной экспериментальной схеме основное допущение ее использования -- объект остается идентичен самому себе с течением времени -- может нарушаться из-за ряда причин. При этом систематическая разница в наблюдениях будет вызвана не действием независимой переменной, а другими факторами. Например, изменения в участниках может произойти из-за:

1. Влияния времени, т.е. исследуемый эффект наступил с течением времени не из-за действия независимой переменной, а сам собой (привыкание,обучение,усталость) или в результате действия третьей переменной (что-либо случилось с участниками во время эксперимента или они стали свидетелями некоторого события, повлиявшего на них существенным образом). Таким образом, наблюдаемый эффект вызывается фазами исследований, а не действием независимой переменной.
2. Влияние порядка предъявления условий-- влияние условий одного испытания на последующие. Для того чтобы избежать этой опасности, существуют две методики:

· Случайное распределение (рандомизация) условий -- порядок предъявления уровней независимой переменной определяется случайным образом для каждого испытуемого. Однако данная методика не гарантирует устранения эффекта влияния.

· Уравнивание (контрбалансировка) -- каждое условие встречается в любой период эксперимента. Таким образом, каждое условие имеет одинаковые шансы получить влияние смешенной переменной. Полное уравнивание требует, чтобы все возможные порядки испытаний были использованы. Однако, чем больше число условий, тем больше число их порядков. Если число условий п, то число порядков п! Поэтому на определенном этапе полное уравнивание становится невозможным. При невозможности полного уравнивания, применяют методику частичного уравнивания (латинский квадрат)

В латинском квадрате каждое условие (уровень независимой переменной) встречается в каждой части эксперимента. Например, условие А встречается в 1-й, 2-й, 3-й и т.д. части; условие В - также, условие С - также и т.д. Для четырех условий схема латинского квадрата приведена на Рис. 1.

 

№ испытуемого

порядок следования условий

	А	В	С	Д
	В	С	Д	А
	С	Д	А	В
	Д	А	В	С

 

Рисунок 1. Латинский квадрат для четырех условий.

 

В латинском квадрате число испытаний равно числу условий (n). Поэтому количество испытуемых должно равняться, по крайней мере, количеству испытаний.Для статистических расчетов лучше использовать большее количество испытуемых -- их число должно быть кратно п. В этом случае мы можем повторить исследование несколько раз. Каждый раз мы можем либо:

a) использовать один и тот же латинский квадрат для всех случаев. Однако может возникнуть следующая проблема: выбор некоторой определенной схемы латинского квадрата вместо полного уравнивания приведет к серьезным погрешностям, если латинский квадрат оказался по каким-то причинам неудачным. Поэтому после проведения эксперимента стоит провести статистический тест на единственность квадрата. Если тест статистически значимый, считается, что частичное уравнивание не дало нужного эффекта и результаты исследования под вопросом. Если тест не значимый, то у нас нет формального основания сомневаться в полученных данных.

b) использовать другой латинский квадрат на каждые следующие п испытуемых. Такая процедура хороша тем, что ближе к полному уравниванию, однако для нее не существует статистического теста на единственность квадрата и у нас нет никакого формального теста для проверки степени уравнивания условий.

c) использовать так называемый, сбалансированный латинский квадрат,в котором каждое условие идет до и после каждого другого условия (Рис. 2)

 

 

№ испытуемого

порядок следования условий

	А	В	С	Д
	В	Д	А	С
	С	А	Д	В
	Д	С	В	А

 

Рисунок 2. Сбалансированный латинский квадрат

 

 

Многие исследователи считают, что лучше использовать именно этот тип латинского квадрата, хотя нет никакого статистического теста, подтверждающего такую точку зрения. Кроме того, сбалансированный латинский квадрат имеет дополнительный недостаток - он не подходит, когда число условий нечетное.

 

Следует отметить, что полное уравнивание - самая надежная техника при интраиндивидуальной схеме эксперимента. Если количество условий мало, предпочтительно использовать именно эту процедуру; если число условий велико, следует использовать латинские квадраты, дающие частичное уравнивание.

 

Рандомизация участников и условий является обязательным требованием применимости критериев на статистическую значимость разницы результатов.

Метод стратификации относится к методам отбора выборки,имеющим следующие особенности:

генеральная совокупность состоит из элементов

генеральная совокупность разделена на групп, называемых стратами или слоями

каждый элемент совокупности принадлежит одной и только одной страте

известно количество наблюдений внутри каждой страты

исследователь получает вероятность выборки из каждой страты

 

Стратификация – довольно распространенный приём. Это обусловлено многими причинами; перечислим основные из них.

Если желательно получить с определенной точностью данные о некоторых подразделениях совокупности, то каждое такое подразделение рекомендуется рассматривать на правах самостоятельной «совокупности»

Применение расслоения может быть продиктовано организационными соображениями, например, агентство, проводящее обследование, может иметь районные отделения, каждое из которых обеспечивает проведение обследования какой-либо части совокупности

Проблемы, связанные с отбором в разных частях совокупности, могут сильно разниться. При выборочных обследованиях населения людей, находящихся в таких заведениях, как гостиницы, больницы, тюрьмы, часто выделяют в отдельный слой в отличие от людей, живущих в обычных домах, поскольку к отбору в этих двух случаях требуется разный подход. При обследовании, предпринятом с целью изучения деловой активности, мы можем составить список крупных фирм, выделив в их отдельный слой. Для более мелких фирм можно применить один из видов территориального отбора.

Расслоение может дать выигрыш в точности при оценивании характеристик всей совокупности. Иногда неоднородную совокупность удается подразделить на подсовокупности, каждая из которых внутренне однородна. Это и подразумевается под названием слой по аналогии с разделением на слои в геологии. Если каждый слой однороден в том смысле, что результаты измерений в нём очень мало изменяются, то можно получить точную оценку среднего для любого слоя по небольшой выборке в этом слое. Затем эти оценки можно объединить в одну точную оценку для всей совокупности.

 

Пропорциональный выбор

 

Размер каждой страты в выбранной выборке получается пропорционально размеру всей страты. Это называется пропорциональным размещением, т.е. доля отбора одинакова для каждой страты.

Плюсы:

Пропорциональный выбор в стратификации обеспечивает больший или равный уровень точности, чем при использовании простого случайного выбора.

Точность увеличивается с улучшением однородности внутри каждой страты

Улучшение точности относится ко всем параметрам исследования

При непропорциональном выборе доля отбора может сильно отличаться в каждой страте.