实验设计的基本原则

实验设计的基本原则
从统计学家的角度，进行了一个实验来决定（1)实验中所观察到的处理(或一组实验条件)之间的差异是否仅仅是由于变化所致，(2）这些差异的大小是否具有实际意义。

统计推断通过比较暴露于相同处理（实验误差)的实验单元与暴露于不同处理(处理效果）的实验单元之间的响应变化来达到这些决策。

因此，实验设计的三个原则是：·复制，提供实验误差的估计；·随机化，以确保这一估计在统计上是有效的；和·局部控制，通过提高实验效率来减少实验误差。

复制次数（样本量）是接受每次治疗的实验单位的数量.. 样本量应该足够小，可以忽略的治疗差异不被宣布为统计学意义，并且足够大，有意义的治疗差异被宣布为统计学意义。

同一实验单元上的重复测量可能构成或可能不构成真正的复制；将依赖观测视为独立的观测是科学文献中发现的最常见的统计错误之一。

随机化是指使用随机装置将处理分配给实验单元。

随机化防止了在实验中引入系统偏差，并提供了实际实验与作为数据分析基础的统计模型之间的联系。

因此，随机化对于统计方法的有效使用是必不可少的。

更小心地进行实验是发挥局部控制的一种方法。

例如，处理应统一和在标准化条件下进行。

然而，通过对设计结构和处理结构的明智选择，也可以使实验更加有效。

如果实验单位是均匀的，处理可以随机分配给单位。

虽然完全随机设计(CRD)非常灵活，易于分析，但并不总是能够获得足够的同质实验单元，使其成为一个有效的设计。

然而，通常可以将实验单元排序为同质组（块）。

将实验单元排列成块是实验的设计结构。

块设计有多种类型，包括随机完全块设计、平衡或部分平衡不完全块设计和拉丁方设计。

在所有这些设计中，效率的提高(与CRD相比)预计将超过灵活性的损失和统计分析的复杂性的增加。

对n类处理（因子）的实验，每种处理都有两个或两个以上的水平，据说具有n路处理结构.. 例如，将饮食与三种蛋白质和四种脂肪水平进行比较的实验将具有双向治疗结构。

治疗水平的所有可能的组合（一个完整的阶乘处理结构)可以包括在实验中，或者只有一个子集(一个分数阶乘处理结构）。

因素处理结构允许实验者研究每个因素的主要影响和因素之间的相互作用。

如果实验的目的是使反应最大化或最小化，那么一次只考虑一个因素的实验在存在相互作用时可能找不到最佳的。

此外，如果没有相互作用，用阶乘处理结构执行一个实验相当于执行几个“一次性单因素”实验。

这种“隐藏复制”通常会导致所需样本大小的大幅下降。