常用实验设计类型和方法

● 应特别注意那些对实验结果有影响的非处理因素。
● 平衡处理组间的非处理因素是实验设计的重要内容之一。
各因素所处的不同状态称为水平（level），一个处理因素往 往可分为若干个水平，而水平数的多少是确定实验组数的依
据。
实验单位与观察单位
实验单位（experimental unit）是指接受处理的基本单位。 观察单位（observational unit）是指根据研究需要确定 的采集数据的基本单位。一个实验单位可以有多个观察 单位。注意：处理间的差异应在实验单位中比较。
调整
丁
甲组5例，乙组8例，丙组5例，丁组2例，需要从乙组中 再抽出3例放入丁组。按组别调整步骤，读一随机数3， 除以8（乙组例数）后，余数为3，则将乙组中第3例 （第4号）放入丁组。同理，再读一随机数4，除以7 （乙组现有7例），余数为4，再将乙组中第4例（第10 号）放入丁组。最后再读一随机数6，除以6（乙组现有 6例），余数为6，将乙组第6例（第17号）放入丁组。
No RAN rRAN group
1 17
4 T1
2 2 22 10 T3
3 3 31 12 T3
4 4 15
8 T2
5 58
7 T2
6 6 35 14 T4
7 7 17
9 T3
8 8 22 11 T3
9 93
2 T1
10 10 5
3 T1
11 11 7
5 T2
12 12 2
1 T1
13 13 31 13 T4
简单随机化分组方法不能保证分组后各组例数相等， 但当受试对象总例数较多时（如N>200），两组例数相 差悬殊的概率较小。尽管如此，在正式试验前最好先检 查一下随机分配表（即分组过程及结果表）中各组例数 是否大致相当。如果发现相差悬殊（如100例分两组，A 组15例，B组85例），可以重新制定随机化分配表。
•随机化分组步骤
1. 将N个实验单位从1到N编号。如动物可按体重大小、 患者可按就诊顺序。
2. 取随机数字，随机数字的位数一般要求与N相同。
3. 将读取的N个随机数字按分组要求划分区段。
即：根据随机数所在区间决定实验单位应接受的处 理。例如，按二位随机数分两组时，可规定随机数 00~49为第1组，50~99为第2组；分三组时，01~33为第1 组，34~66为第2组，67~99为第3组，余类推。同理，如 按2：1的比例分两组，则01-66为第1组，67-99为第2组。 另外，分两组时，亦可按随机数的奇、偶决定组别。
14 14 8
6 T2
15 15 36 15 T4
16 16 46 16 T4
Transform -------->Random Number Seed -------->Set seed to 2000000(默认) --------> Transform -------->Compute… -------->Target Variable 填入ran(变量名) -------->Numeric Expression：
是否是检验效能不足。
1.0 0.8
α=0.05
α=0.01
0.6 检 验 效 能 0.4 （1-β）
0.2
0.0
0
200
400
600
800 1000 1200
样本总量（N）
图8.3.1 样本大小与检验效能、显著性水平的关系
（α=0.05，α=0.01，δ=0.5cm，σ=2cm）
•实验设计的基本原则
反应变量 处理因素 反应变量 处理因素
(瘤重g, y) (药物浓度,T)
y
T
3.6
1
0.4
3
4.5
1
1.7
3
4.2
1
2.3
3
4.4
1
4.5
3
3.0
2
3.3
4
2.3
2
1.2
4
2.4
2
0.0
4
1.1
2
2.7
4
One-Way ANOVA
（二）随机单位组设计（randomized block design）
R
7 10 8 1 4 11 6 9
处理
T2 T3 T2 T1 T1 T3 T2 T3
分组的均衡性比较
干预 随机数大小序号（R） 实验单位编号
T1
1
2
3
4 3，8，12，13
T2
7
8
65
4，9，11，15
T3
11 10 12 9
2，10，14，16
T4
15 16 14 13 1，5，6，7
实验单位 属性
有些研究希望各组例数相同。当各组例数不相等时， 可从例数较多的组中随机抽取一部分受试者补充到例数 较少的组，使各组例数相等。
例 若 将 20 个 实 验 单 位 随 机 等 分 为 四 组 。 对 2 位 随 机 数 字 规 定 ， 00~24 为 甲 组 ， 25~49 为 乙 组 ，
50~74为丙组，75~99为丁组，分组结果如下：(3\4\6)
一、基本概念
总体与样本（注意：样本要有代表性）
总体（population）是指根据研究目的所确定的所有同质的 观察个体的集合（全体），样本（sample）是指来自总体的 部分观察个体。
处理因素与非处理因素、水平
处理因素（实验因素、研究因素，简称因素），是指在实验 中根据研究目的而施加给实验对象的各种人为设置的干预措 施。非处理因素是指实验中非人为干预的因素，如实验动物 的雌雄、体重，受试者的性别、年龄、病情，实验时的季节、 气温等。
随机分组步骤： （N=16，G=4）
实验单位编号：1 2 3 4 5 6 7 8
随机数： 76 63 10 21 85 90 63 08
R
14 12 3 5 15 16 13 2
处理
T4 T3 T1 T2 T4 T4 T4 T1
实验单位编号：9 10 11 12 13 14 15 16
随机数： 27 54 31 03 13 61 24 37
检验效能
检验效能（power of a test），又称把握度（power）， 记作1-β，指当两个（或几个）总体存在差异时，经假 设检验能够发现该差异的可能性大小。
● 1 与 、 、 、N 有关。
● 假设检验为“阴性”结论（P>0.05)时, 不能
简单地下“处理无效”的结论，而应该检查一下
编号 1 2 3 4 5 6 7 8 9 10
随机数 47 50 36 29 02 31 93 71 23 47
组别 乙 丙 乙 乙 甲 乙 丁 丙 甲 乙
调整
丁
丁
编号 11 12 13 14 15 16 17 18 19 20
随机数 23 46 04 26 69 61 25 54 90 18
组别 甲 乙 甲 乙 丙 丙 乙 丙 丁 甲
填入UNIFORM(50) 0~X -------->OK Transform -------->Rank Cases… ---->Variable 填入ran --------> OK (自动产生序号rran, 完成分组,
group)
统计分析
数据表：16行2列( dependent + factor )
优点：条件一致或相近的受试对象组成同一单位组 （非随机），并随机分配于各处理组中，使处理组间 的可比性更强，能改善组间生物学特点的均衡性，既 缩小了误差，又可分析出处理组间与配伍组间两因素 的影响，实验效率较高。
缺点：分组较繁，要求单位组内实验单位数与处理数 相同，有时实际应用有一定困难。实验结果中若有缺 失，统计分析较麻烦。
单独效应、主效应与交互作用
单独效应(simple effect)是指其他因素的水平固定时，同 一因素同水平间的平均差别。主效应(main effect)指某 一因素各水平间的平均差别。当某因素的各个单独效应 随另一因素水平的变化而变化，且相互间的差别超出随 机波动范围时，则称这两个因素间存在交互作用 (interaction)。注意：在统计分析时，若存在交互作用， 须逐一分析各因素的单独效应。反之，如果不存在交互 作用，则两因素的作用相互独立，分析某一因素的作用 只需考察该因素的主效应。
常用实验设计类型与分析方法
•研究设计
以最少的人力、物力和时间，最大限度地获得丰富、准确、 可靠的信息与结论。研究设计：专业设计与统计设计
专业设计：选题，建立假说、确定研究对象和技术方法等。 统计设计：围绕专业设计，确定统计设计类型、样本大小、 分组方法、统计分析指标及统计分析方法等，
根据处理因素、控制因素和实验单位的特征，实验设计 方法又有许多不同的类型。实验设计是关于数据采集、统计 方法应用和得出结论的关键步骤。如实验设计出现错误，不 论用什么统计方法进行数据处理也无法得到正确的结论。因 此，在医学科研中只要条件允许，应尽量在良好的实验设计 的基础上采集数据。医学研究中常用的实验设计类型和方法 有以下十几种。
随机单位组设计（N=12，b=3，k=4）
单位组
干预（随机数大小序号，R ）
2
3
4
1
1
4
2
3
4
2
3
1
No block RAN rRAN
111 221 331 441 552 662 772 882 993 10 10 3 11 11 3 12 12 3
71 22 3 31 4 15 2 81 35 4 17 2 22 3 32 53 74 21
亦称配伍组设计或随机区组设计，实际上是配对设计 （将多方面条件近似的受试对象配成对子）的扩大，也是 对完全随机设计的改进（即加强了均衡可比性）。而这种 设计是将多方面条件相同或相近的受试对象组成单位组 （ block，亦称区组或配伍组），适用于三组或三组以上 的实验。每个随机单位组的受试对象数目取决于处理的数 目。如果一个实验安排了四种不同处理，那么每个单位组 就应有四个受试对象。有多少个单位组，则每种处理就可 以分配到多少个受试对象。