Lohkotekniikka koostuu aihe lohkoina perustuu pisteeseen, joka on saatu outosta muuttujasta, joka liittyy läheisesti riippuvaan muuttujaan, tai itse riippuvaan muuttujaan. Toisin sanoen yhden lohkon kohteet ovat kaikki samanlaisia toistensa kanssa ja eroavat toisen lohkon aiheista. Jokaisessa lohkossa on oltava kohteiden lukumäärä, joka on yhtä suuri tai moninkertainen koeolosuhteiden määrällä, jotta heidän läsnäolonsa olisi sama kussakin koeolosuhteessa. On suositeltavaa, vaikka ei välttämätöntä, että kaikilla lohkoilla on sama määrä aiheita.
Lohkomallit käyttävät ryhmien muodostamiseen pisteitä, jotka kohteet ovat saaneet kummallisesta muuttujasta, joka liittyy läheisesti riippuvaan muuttujaan. Tätä muuttujaa kutsutaan lukitusmuuttujaksi. Kun lukittujen muuttujien pisteiden kohteet, joilla on samanlaiset pisteet, on muodostettu, sama määrä aiheita kustakin lohkosta osoitetaan satunnaisesti eri koeryhmille tai olosuhteet. Ryhmien vastaavuus taataan.
Satunnaiset lohkomallit voivat olla: Täydellisiä, kun jokainen lohko on tarkka kopio kokeen, koska kussakin lohkossa annetaan muuttujan kaikki tasot Itsenäinen. Keskeneräiset, joita käytetään, kun jokaisessa lohkossa on suuri määrä hoitoja ja pieni määrä aiheita. Tässä tapauksessa kussakin lohkossa voidaan soveltaa vain joitain ehtoja kaikkien hoitojen sijaan. Satunnaislohkoissa (BA) käytetään vain yhtä estomuuttujaa ja yhtä tai useampaa riippumatonta muuttujaa.
Ryhmien lukumäärä voi olla vähintään kaksi. Alla on symbolinen esitys satunnaisten lohkojen unifactorial-suunnitelmasta (VI), jossa on kolme ryhmää: kaksi kokeellista ja yksi kontrolli.
käsitellä asiaa jota meidän on noudatettava, on seuraava: Mitataan estomuuttuja kaikissa otoksen aiheissa ja päätetään riippuen pisteiden vaihtelusta ja tutkittavasta ongelmasta, menemiemme lohkojen määrästä muodostamaan. Mitä suurempi pisteiden vaihtelu, sitä suurempi on lohkojen lukumäärä. Kun lohkot olivat muodostuneet, osoitimme satunnaisesti saman määrän aiheita kustakin lohkosta kullekin kokeelliselle ryhmälle, eliminoimalla loput kohteet satunnaisesti.
Suoritamme tulosten tilastollisen analyysin mittauserolla (jos meillä on vain kaksi koeolosuhetta) tai ANOVA: lla, kun meillä on enemmän kuin kaksi hoitoa. Tulkitsemme tulokset, teemme johtopäätökset, yleistämme ne ja kirjoitamme tutkimusraportin. Tämä muotoilu on suurempi sisäinen pätevyys ja vähemmän ulkoinen pätevyys kuin satunnainen ryhmäsuunnittelu.
Kun lohkot on muodostettu, sama määrä kohteita kustakin lohkosta osoitetaan satunnaisesti eri ryhmille tai olosuhteille. Kunkin lohkon kohteiden osoittaminen satunnaisesti ryhmille on, että loput muut ulkopuoliset muuttujat kohteet, joita ei ole estetty, jakautuvat tasaisesti kaikkiin ryhmiin eivätkä tällä tavalla saastuta tutkimuksen tuloksia koe. Tällä tekniikalla toissijaista systemaattista varianssia hallitaan ja virheiden varianssi pienenee.
Tuo on ryhmien välinen varianssi ennen hoidon aloittamista ja siten ryhmien välillä havaittu ero hoito johtuu sen vaikutuksesta, edellyttäen että muiden muuttujien asianmukaista hallintaa on käytetty ulkomainen. Lohkojen muodostamiseen käytettyä muuttujaa kutsutaan estomuuttujaksi (VB), ja on olennaista, että riippuvaan muuttujaan liittyy erittäin korkeita korrelaatioita. Riippuvan muuttujan alkuarvo on paras kriteeri lohkojen muodostamiseksi. Jos haluat nähdä, onko tämän muuttujan ja riippuvan muuttujan välillä korrelaatio, voidaan tutustua aiempiin tutkimuksiin, joissa molemmat muuttujat ovat on korreloinut tai suorittanut pilottitutkimuksen, jossa mitataan kaksi muuttujaa ja lasketaan niiden välinen korrelaatio. Estävä muuttuja eroaa esikäsittelymitasta siinä, että se mitataan ennen ryhmien muodostumista ja sen tavoitteena on pystyä varmistamaan niiden vastaavuus. Esikäsittelytoimenpide otetaan kuitenkin koehenkilöiltä, kun ryhmät ovat jo muodostuneet, ja sen tarkoituksena on varmistaa, että ryhmät ovat samanarvoisia.
etu Tärkein syy tähän lohkotekniikkaan verrattuna satunnaistamistekniikkaan on, että kokeelliset ryhmät ovat aluksi keskenään homogeenisempia kuin jos ne olisi muodostettu sattumanvaraisesti, joten sisäinen validiteetti on suurempi lohkot. haittana Lohkomallien pääpiirre on niiden alhainen ulkoinen validiteetti, joka johtuu kohteiden lukumäärästä, joka on poistettava sopimattomuuden vuoksi missä tahansa lohkossa ja kohteiden mahdolliselle herkkyydelle riippuvan muuttujan edelliselle mittaukselle, kun se otetaan muuttujaksi esto. Estotekniikka johtaa seuraaviin malleihin estettyjen muuttujien lukumäärästä riippuen:
- Satunnaiset lohkomallit, kun muuttuja on lukittu
- Yhdistetyt ryhmämallit, joissa estomuuttujaa kutsutaan vastaavaksi muuttujaksi (VA).
- Latinalaiset neliön asettelut, kun kaksi muuttujaa on lukittu
- Kreikan ja latinan neliömallit, kun kaksi tai kolme muuttujaa on estetty.
Kaikissa näissä malleissa voi olla a riippumattomat muuttuvat yhden tekijän mallit tai useampi kuin yksi itsenäinen muuttuja (tekijäkuviot) ja kaksi tai useampia koehenkilöryhmiä, joista kaikki tai yksi koeryhmistä on verrokki tai lumekontrolli.
Tämä artikkeli on vain informatiivinen, Psychology-Onlinessa meillä ei ole valtaa tehdä diagnoosia tai suositella hoitoa. Kutsumme sinut menemään psykologin luokse hoitamaan tapaustasi.
