Çaprazlama Kesirli Faktöriyel Deneyi
Crossover Fractional Factorial Experimental Design · Ayrıca şöyle bilinir: crossover FF design, within-subject fractional factorial, repeated-measures fractional factorial, crossover FFE
Bir çaprazlama kesirli faktöriyel deneyi, her katılımcının tüm olası faktör-düzey kombinasyonlarının stratejik olarak seçilmiş bir alt kümesini tanımlanmış bir sırada aldığı, tedavi dönemleri arasında temizleme periyotları bulunan bir denek-içi tasarım (within-subject design) olup, tam faktöriyel çaprazlama deneyine göre çok daha az katılımcı ve deneysel çalışma ile ana etkilerin ve seçilmiş etkileşimlerin tahmin edilmesini sağlar. Bu yöntem, kesirli faktöriyel tasarımların çalışma ekonomisini denek-içi verimlilikle birleştirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Aşağıdaki durumlarda bir çaprazlama kesirli faktöriyel deneyi kullanın: (1) her katılımcı birden fazla tedavi kombinasyonunu sırayla alabiliyorsa, (2) birden fazla faktörün etkilerini eş zamanlı olarak taramanız veya tahmin etmeniz gerekiyorsa ancak tam faktöriyel bir çaprazlama deneyini karşılayamıyorsanız, (3) temizleme periyotları yoluyla kararlı artık etkisiz koşullar sağlanabiliyorsa ve (4) denek-içi değişkenlik, denekler arası değişkenliğe göre büyükse, böylece bireyin kendi kontrolü olması büyük fayda sağlıyorsa. İdeal bağlamlar arasında erken evre klinik farmakoloji, duyusal değerlendirme, insan faktörleri araştırmaları ve tarla etkilerinin olduğu tarım veya ziraat denemeleri bulunur. Aşağıdaki durumlarda bu tasarımı KULLANMAYIN: artık etkiler ortadan kaldırılamıyorsa (geri döndürülemez tedaviler, kalıcı öğrenme etkileri), denek başına gereken dönem sayısı etik veya pratik olarak kabul edilemez olacaksa veya tedavi-dönem etkileşimlerinin güçlü olması bekleniyorsa.
Güçlü yönler & sınırlılıklar
- Eş zamanlı olarak iki verimlilik kazancını birleştirir: kesirli faktöriyel, tedavi kombinasyonlarının sayısını azaltır ve çaprazlama, denekler arası gürültüyü ortadan kaldırır.
- Ana etkiler için eşdeğer istatistiksel gücü elde etmek üzere, paralel gruplu tam faktöriyel bir tasarıma göre önemli ölçüde daha az katılımcı gerektirir.
- Tek bir iyi yapılandırılmış çalışmadan ana etkilerin ve seçilmiş iki-faktörlü etkileşimlerin tahmin edilmesini sağlar.
- Katılımcı bulmanın maliyetli olduğu veya örneklem boyutlarının doğal olarak sınırlı olduğu durumlar için uygundur.
- Sistematik tasarım tabloları (çözünürlük III/IV/V kesirleri, Williams kareleri) mevcuttur, bu da uygulamayı kolaylaştırır.
- Karışmış etkiler: yüksek dereceli etkileşimler kasıtlı olarak takma adlarla (aliased) ilişkilendirilir; bunların ayrı ayrı tahmin edilmesi ek çalışmalar gerektirir.
- Artık etki kritik bir tehdittir; temizleme yetersizse, dönem-tedavi etkileri tahminleri saptırır ve çaprazlama avantajı kaybolur.
- Katılımcı başına nispeten uzun bir çalışma süresi gerektirir, bu da bırakma riskini ve zamanla değişen karıştırıcıların (confounders) olasılığını artırır.
- Analiz, basit bir çaprazlama veya basit bir faktöriyel deneyden daha karmaşıktır; karma etkili modelleme uzmanlığı gereklidir.
- Katılımcı popülasyonunun tüm dönemler boyunca istikrarlı olduğunu varsayar (hastalık ilerlemesi veya tedaviyle etkileşen öğrenme etkileri yoktur).
SSS
Bir çaprazlama kesirli faktöriyel için kesir çözünürlüğünü nasıl seçerim?
Çözünürlük IV genellikle uygulamalı araştırmalar için kabul edilebilir minimum seçenektir: ana etkinin başka bir ana etki veya iki-faktörlü etkileşimle takma adlarla ilişkilendirilmemesini sağlar. Çözünürlük III kesirleri, ön teorinin tüm iki-faktörlü etkileşimleri dışlaması durumu haricinde risklidir. Çözünürlük V kesirleri, iki-faktörlü etkileşim tahmin edilebilirliğini korur ancak denek başına daha fazla dönem gerektirir.
Temizleme periyodu ne kadar uzun olmalı?
Farmakolojik müdahaleler için temizleme, tedavi etkisinin yarı ömrünün en az beş katı olmalıdır. Davranışsal veya eğitsel tedaviler için temizleme tanımlamak daha zordur; kalıcı öğrenme veya geri döndürülemez bir değişiklik bekleniyorsa, temizleme süresinden bağımsız olarak bir çaprazlama tasarımı uygun değildir.
Birden fazla düzeyi olan faktörlerle çaprazlama kesirli faktöriyel kullanabilir miyim?
Evet, ancak tasarım oluşturma daha karmaşık hale gelir. Karışık düzeyli kesirli faktöriyel çaprazlamalar (bazı faktörler 2 düzeyde, diğerleri 3 düzeyde) uzman tasarım tabloları veya algoritmik arama (örneğin, D-optimal tasarımlar) gerektirir. Standart 2^(k-p) tabloları yalnızca iki düzeyli faktörler için geçerlidir.
Analiz için hangi istatistiksel modeli kullanmalıyım?
Katılımcı için rastgele bir kesişim (random intercept) ile tedavi, dönem ve dizi için sabit etkilere sahip doğrusal karma etkili bir model (veya normal olmayan sonuçlar için genelleştirilmiş doğrusal karma etkili model). İlk dereceden artık etki terimini dahil ederek artık etkiyi kontrol edin; eğer anlamlıysa, tedavi tahminlerini dikkatli bir şekilde yorumlayın ve ilk dönemi hariç tutan bir duyarlılık analizi düşünün.
Bu, bloklu bir kesirli faktöriyel deneyden nasıl farklıdır?
Bloklu bir kesirli faktöriyelde, deneysel birimler istenmeyen bir değişkeni kontrol etmek için bloklara ayrılır, ancak her birim tipik olarak yalnızca bir tedavi alır. Çaprazlama kesirli faktöriyelde, aynı katılımcı birden fazla tedavi dönemi boyunca kendi kontrolü olarak hizmet eder, bu da çok daha güçlü denek-içi kontrol sağlar — ancak blok tasarımlarının kaçındığı artık etki riskini de beraberinde getirir.
Kaynaklar
- Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Wiley. ISBN: 978-0471496533
- Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.). Wiley. ISBN: 978-0471718130
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Crossover Fractional Factorial Experimental Design. ScholarGate. https://scholargate.app/tr/experimental-design/crossover-fractional-factorial-experiment
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Çapraz Tam Faktöriyel DeneyDeney tasarımı↔ karşılaştır
- Çapraz Geçişli Randomize Kontrollü ÇalışmaDeney tasarımı↔ karşılaştır
- Faktöriyel DeneyDeney tasarımı↔ karşılaştır
- Kesirli Faktöriyel DeneyiDeney tasarımı↔ karşılaştır
- Tam Faktöriyel DeneyDeney tasarımı↔ karşılaştır