Kann mir jemand die Intuition hinter der gespaltenen Handlung erklären?
Soweit ich weiß, handelt es sich im Wesentlichen um eine eingeschränkte Randomisierung. Aber ich verstehe es immer noch nicht ganz. Gibt es eine Ressource oder ein Beispiel, das mir jemand geben kann, um es klarer zu machen?
Geteilte Diagramme werden häufig aus Gründen der Notwendigkeit verwendet, es kann jedoch statistische Vorteile hinsichtlich der Genauigkeit Ihrer Kontraste (oder auch Nachteile) geben. Hier ist mein rudimentäres Verständnis der Intuition für die Verwendung von Split-Plot:
Lassen Sie mich zunächst feststellen, dass zwei gebräuchliche Begriffe im Split-Plot-Design "Gesamtplotfaktor" und "Unterplotfaktor" sind. In einer landwirtschaftlichen Studie liegt der gesamte Grundstücksfaktor in einem größeren räumlichen Maßstab, beispielsweise in ganzen Feldern, die unterschiedliche Behandlungsniveaus wie die Entwässerungseffizienz darstellen. Die Unterplotfaktoren sind räumlich im gesamten Plotfaktor verschachtelt. Subplot-Faktoren können häufig in einem kleineren räumlichen Maßstab angewendet werden, z. B. beim Erntetyp.
Abgesehen von praktischen Gründen (wie dies in dem oben beschriebenen Beispiel der Fall sein kann) kann die geteilte Leistung effizient (oder ineffizient!) Sein. Federer und King 2007 schlagen vor, dass ein Grund für die Verwendung des Split-Plots darin besteht, dass Sie im Vergleich zu einer 2-Wege-ANOVA im Allgemeinen eine höhere Genauigkeit aufweisen, um Kontraste zwischen den Subplot-Faktoren zu erkennen. Interaktionseffekte sind möglicherweise auch leichter zu erkennen. Im Gegensatz dazu nimmt die Genauigkeit zur Erkennung von Kontrasten zwischen dem gesamten Plotfaktor im Allgemeinen ab.
Diese Unterschiede werden durch die Tatsache erklärt, dass zwei separate Restfehlerterme für das Testen von Hypothesen verwendet werden. Der gesamte Plotfehlerterm wird berechnet, indem zuerst die Unterplots innerhalb jedes ganzen Plots gemittelt werden.
Spuckdiagramm wird manchmal auch als zeitlich geteiltes Diagramm verwendet, was meines Wissens einem wiederholten Maß ähnelt, das häufig bei Probanden verwendet wird. Ich bin mir nicht sicher, was der Vorteil auf die eine oder andere Weise ist. Die Terminologie ist wie folgt abgebildet:
split-plot design = repeated-measures design
whole plot = subject
whole plot factor = between-subject factor
split-plot factor = within-subject factor = repeated-measures factor
Eine sehr umfassende Referenz zur Split-Plot-Theorie und -Implementierung ist: Federer WT & King F (2007) Variationen zu Split-Plot- und Split-Block-Experimentdesigns (John Wiley & Sons).
Eine gute Quelle wäre Meads „ Das Design von Experimenten “ (1988), Kapitel 14. Ich denke , dass es eine neue Version ist hier . Aber Sie brauchen die neue Version nicht wirklich, um Split-Plot zu verstehen, und ich gehe davon aus, dass Sie Zugriff auf diese Bücher in Ihrer örtlichen Bibliothek haben.
Ich kann Ihnen meinen 2-Cent-Wert geben. In der idealen Welt, wenn Sie 2 Behandlungen haben, möchten Sie ein faktorielles Design machen. Es ist wahrscheinlich das effizienteste Design, das Sie verwenden können. Es gibt jedoch oft praktische Einschränkungen. Vielleicht müssen die 2 Behandlungen auf verschiedene Ebenen der Einheit angewendet werden (1 größer, 1 kleiner), dann müssen Sie mit Split-Plot kämpfen. Ich bin der Ansicht, dass Split-Plot aus praktischen Gründen entsteht.
In Verbindung mit dem Begriff der eingeschränkten Randomisierung ist Split Plot eine Art eingeschränkter Randomisierung. Die Behandlung, die auf die Haupteinheit angewendet wird ("größere" Darstellung), wird in einem eingeschränkten Sinne randomisiert. Die Einschränkung beruht jedoch eher auf praktischen Einschränkungen als auf statistischen Idealen.