Küme Rastgele Kesirli Faktöriyel Deneyi
Cluster-Randomized Fractional Factorial Experiment · Ayrıca şöyle bilinir: CR-FFE, cluster-randomized fractional factorial design, group-randomized fractional factorial trial, CRFFD
Bir küme rastgele kesirli faktöriyel deneyi iki tasarım ilkesini birleştirir: rastgeleleştirme, bireyler yerine bütün gruplara (okullar, klinikler veya topluluklar gibi kümeler) uygulanır ve tüm olası faktör-düzey kombinasyonlarının yalnızca dikkatlice seçilmiş bir kesri test edilir. Bu eşleştirme, bireysel rastgeleleştirmenin uygulanamadığı ortamlarda birden fazla müdahale bileşenini eş zamanlı olarak taramayı veya değerlendirmeyi pratik hale getirirken, gereken küme sayısını yönetilebilir tutar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bu tasarımı, bireysel rastgeleleştirmenin imkansız veya istenmeyen olduğu — okul tabanlı, klinik tabanlı veya topluluk programları gibi — ortamlarda birden fazla müdahale bileşenini eş zamanlı olarak değerlendirmeniz gerektiğinde ve mevcut kümelerin toplam sayısı tam bir faktöriyel düzenlemeyi desteklemek için çok sınırlı olduğunda kullanın. Özellikle müdahale bileşeni tarama ve optimizasyon aşamaları (MOST çerçevesi gibi) için uygundur. Küme sayısı çok az olduğunda (koşul başına yaklaşık 6'dan az) kullanmayın, çünkü istatistiksel güç yetersiz olacaktır. Faktörler arasındaki iki yönlü etkileşimlerin birincil bilimsel ilgi alanı olduğu ancak seçilen kesrin karışıklık yapısı tarafından tahmin edilemediği durumlarda kaçının — bu durumda daha yüksek çözünürlüklü bir kesire veya tam faktöriyel tasarıma yükseltin.
Güçlü yönler & sınırlılıklar
- Herhangi bir faktör kombinasyonu için küme gerektirmeden birden fazla müdahale bileşeninin eş zamanlı değerlendirilmesini sağlar.
- Bireyi değil, doğal birimi (kümeyi) rastgeleleştirerek grup tabanlı müdahalelerin ekolojik geçerliliğini korur.
- Kesirli faktöriyel yapı, tam faktöriyel tasarıma kıyasla gereken küme sayısında önemli tasarruflar sağlar.
- Etkileşimlerin ihmal edilebilir olduğu veya daha düşük bilimsel önceliğe sahip olduğu varsayıldığında verimli ana etki tahminleri üretir.
- Çok bileşenli müdahaleleri oluşturmak ve iyileştirmek için Çok Aşamalı Optimizasyon Stratejisi (MOST) ile uyumludur.
- Ana etkiler, daha yüksek dereceli etkileşimlerle karışır; bu etkileşimler ihmal edilemezse, tahminler yanlı olur.
- Eşdeğer güce sahip bireysel olarak rastgeleleştirilmiş bir denemeden daha fazla küme gerektirir çünkü ICC tasarım etkisini şişirir.
- Planlama, hem kesirli faktöriyel karışıklık teorisi hem de küme rastgeleleştirilmiş deneme metodolojisi konusunda uzmanlık gerektirir.
- Farklı koşullara atanmış kümeler arasındaki bulaşma, kümeler coğrafi veya organizasyonel olarak yakınsa tedavi etkisi tahminlerini yanlı hale getirebilir.
SSS
Bu, sıradan bir küme rastgeleleştirilmiş denemeden nasıl farklıdır?
Standart bir küme rastgeleleştirilmiş deneme, tek bir müdahale koşulunu bir kontrolle karşılaştırır. Bir küme rastgeleleştirilmiş kesirli faktöriyel deney, kümeleri bir kesirli faktöriyel plandan seçilen faktör düzeylerinin farklı kombinasyonlarına atayarak birden fazla faktörü eş zamanlı olarak test eder ve her faktörün ana etkilerinin aynı küme havuzundan tahmin edilmesini sağlar.
ICC nedir ve neden burada önemlidir?
Küme içi korelasyon katsayısı (ICC), aynı küme içindeki sonuçların kümeler arasındaki sonuçlara göre ne kadar benzer olduğunu ölçer. Etkin örneklem büyüklüğü, DE = 1 + (m-1) x ICC tasarım etkisiyle azalır, burada m ortalama küme boyutudur. Daha yüksek bir ICC veya daha büyük kümeler, etkin örneklem büyüklüğünü daha fazla küçültür. Gereken küme sayısını hesaplamadan önce ICC'yi önceden verilerden tahmin edin.
Karışıklık (aliasing) ne anlama gelir ve neden önemlidir?
Karışıklık, belirli etkilerin kesirli faktöriyel yapı tarafından karıştırıldığı için birbirlerinden ayırt edilemeyeceği anlamına gelir. Bir Çözünürlük III tasarımında, A Faktörünün ana etkisi BC etkileşimiyle karışabilir. Bu etkileşim gerçekte sıfır değilse, A'nın ana etkisinin tahmini yanlı olacaktır. Karışmış etkilerin bilimsel olarak önemsiz olacağı şekilde çözünürlük seviyenizi seçin.
Kaç kümeye ihtiyacım var?
Sayı, ICC'ye, küme boyutuna, etki büyüklüğüne, tedavi kombinasyonlarının sayısına ve istenen güce bağlıdır. Kaba bir alt sınır olarak, çoğu metodolog her tedavi koşulu için en az 6 küme önerir. Daha az küme ile, permütasyon tabanlı testler normal teori testlerinden daha güvenilir olabilir.
Kümelerim çok farklı boyutlardaysa bu tasarımı kullanabilir miyim?
Evet, ancak değişken küme boyutu verimliliği azaltır ve analizi karmaşıklaştırır. Karışık etkiler modelleri ve GEE dengesiz verileri işler, ancak güç hesaplamaları boyut değişkenliğini hesaba katmalıdır. Rastgeleleştirmeyi küme boyutuna göre tabakalandırmak veya boyutu bir kovaryet olarak dahil etmek hassasiyeti artıracaktır.
Kaynaklar
- Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.). Wiley. ISBN: 978-0471718130
- Murray, D. M. (1998). Design and Analysis of Group-Randomized Trials. Oxford University Press. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Cluster-Randomized Fractional Factorial Experiment. ScholarGate. https://scholargate.app/tr/experimental-design/cluster-randomized-fractional-factorial-experiment
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Uyarlanabilir DeneyDeney tasarımı↔ karşılaştır
- Küme Rastgele Kontrollü ÇalışmaDeney tasarımı↔ karşılaştır
- Faktöriyel Randomize Kontrollü ÇalışmaDeney tasarımı↔ karşılaştır
- Kesirli Faktöriyel DeneyiDeney tasarımı↔ karşılaştır
- Çok Kollu DeneyDeney tasarımı↔ karşılaştır