Psykologisen lohkon ja satunnaislohkojen tekniikka

Lohkotekniikka koostuu aiheita lohkoissa perustuu arvoon, joka on saatu outo muuttuja, joka liittyy läheisesti muuttujaan tai samaan riippuvaan muuttujaan. Toisin sanoen lohkon kohteet ovat kaikki samankaltaisia ​​ja eroavat toisen lohkon aiheista. Kussakin lohkossa on oltava joukko kohteita, jotka ovat yhtä suuria tai moninkertaisia ​​koeolosuhteiden lukumäärän kanssa, jotta niiden läsnäolo on sama kaikissa kokeellisissa olosuhteissa. On suositeltavaa, vaikkei ole välttämätöntä, että kaikilla lohkoilla on sama määrä aiheita.

Satunnaiset lohkomallit

Ryhmien muodostamiseen käytetyt lohkomallit pisteitä, jotka kohteet ovat saaneet outoa muuttujasta, joka liittyy läheisesti muuttujaan. Tätä muuttujaa kutsutaan esto muuttujaksi. Kun henkilöiden lohkot, joilla on samanlaisia ​​pisteitä estetyssä muuttujassa, on muodostettu, määritä satunnaisesti sama määrä aiheita kustakin lohkosta eri koeryhmiin tai olosuhteisiin. Näin varmistetaan ryhmien vastaavuus.

Satunnaislohkojen mallit voivat olla: Täydellinen, kun kukin lohko on kokeen täsmällinen kopio, koska kussakin lohkossa annetaan kaikki riippumattoman muuttujan tasot. Epätäydellinen, jota käytetään, kun hoidossa on suuri määrä hoitoja ja pieni määrä aiheita kussakin lohkossa. Tässä tapauksessa kussakin lohkossa voidaan soveltaa vain joitakin ehtoja kaikkien hoitojen sijasta. Satunnaislohkon (BA) mallit käyttävät vain yhtä estävää muuttujaa ja yhtä tai useampaa itsenäistä muuttujaa.

Ryhmien lukumäärä voi olla kaksi tai enemmän. Seuraavaksi meillä on symbolinen esitys satunnaistettujen lohkojen unifactorial-mallista (a VI), jossa on kolme ryhmää: kaksi kokeellista ja yhtä ohjausta.

prosessi Meidän on seurattava seuraavaa: Mittaamme kaikkien näytteen sisältämien kohteiden esto-muuttujan ja päätämme pisteiden vaihtelevuuden ja tutkitun ongelman perusteella, kuinka monta lohkoa aiomme muodostaa. Mitä suurempi pisteiden vaihtelu, sitä suurempi lohkojen lukumäärä on. Kun lohkot on muodostettu, annamme satunnaisesti kullekin koeryhmälle saman määrän aiheita kussakin lohkossa, poistamalla jäljellä olevat aiheet satunnaisesti..

Toteutamme tulosten tilastollisen analyysin käyttämällä eroja toimenpiteillä (jos meillä on vain kaksi koeolosuhteita) tai ANOVA, kun meillä on enemmän kuin kaksi hoitoa. Tulkitsemme tulokset, poimimme johtopäätökset, yleistämme ne ja kirjoitamme tutkimusraportin. Tämä malli on korkeampi sisäinen voimassaolo ja vähemmän ulkoinen voimassaolo että satunnaisryhmien suunnittelu.

Lukitusmenetelmän yleiset ominaisuudet

Kun lohkot on muodostettu, sama lohkojen lukumäärä määritetään satunnaisesti eri ryhmiin tai olosuhteisiin. Jokaisen lohkon kohteiden satunnaisjärjestys ryhmille pyrkii siihen, että muun kohteen, jota ei ole estetty, muut outot muuttujat jakautuvat tasaisesti kaikkiin ryhmiin eivätkä siten saastuta kokeilun tuloksia. Tällä tekniikalla ohjataan toissijaista systemaattista varianssia ja virheen varianssi pienenee.

Toisin sanoen ryhmien välinen varianssi ennen hoidon aloittamista ja sen vuoksi ryhmien välisen eron hoidon jälkeen johtuu tämän vaikutuksesta, edellyttäen, että muiden ulkopuolisten muuttujien asianmukaista valvontaa on käytetty. Lohkojen muodostamiseen käytettyä muuttujaa kutsutaan estäväksi muuttujaksi (VB) ja on olennaista, että erittäin korkeat korrelaatiot riippuvaisen muuttujan kanssa. Riippuvan muuttujan alkumittaus on paras kriteeri lohkojen muodostamiseksi. Jos haluat nähdä, onko tämän muuttujan ja riippuvaisen välillä korrelaatiota, voimme tutustua aikaisempiin tutkimuksiin, joissa molemmat muuttujat on korreloitu tai pilottitutkimus, jossa näiden kahden muuttujan mittaukset tehdään ja niiden välinen korrelaatio lasketaan. Estämismuuttuja eroaa esikäsittelymittauksesta, koska se mitataan ennen ryhmien muodostamista ja pyritään varmistamaan näiden vastaavuus. Esikäsittelytoimi viedään kuitenkin kohteisiin, kun ryhmät on jo muodostettu ja niiden tarkoituksena on varmistaa, että ne ovat samanarvoisia.

etu Tämän lohkotekniikan pääpiirre satunnaistamistekniikan suhteen on, että koeryhmät ovat aluksi homogeenisempia keskenään kuin jos ne olisi muodostettu satunnaisesti, jolloin lohkomallien suurempi sisäinen kelpoisuus. haitta Lohkomallien pää on alhainen ulkoinen pätevyys, joka on niiden kohteiden lukumäärän vuoksi, jotka on poistettava, koska ne eivät sovi mihinkään lohkoon ja kohteiden mahdolliseen herkkyyteen riippuvaisen muuttujan edelliseen mittaukseen muuttujana estäminen. Estämistekniikka aiheuttaa estettyjen muuttujien lukumäärästä riippuen seuraavat mallit:

• Satunnaiset lohkomallit, kun muuttuja on estetty
• Paritetut ryhmäsuunnitelmat, joissa esto muuttujaa kutsutaan parittelevaksi muuttujaksi (VA).
• Latinalaisen neliön mallit, kun kaksi muuttujaa on estetty
• Kreikkalais-roomalaiset neliöt, kun kaksi tai kolme muuttujaa on estetty.

Kaikissa näissä malleissa voi olla a riippumaton muuttuja unifactorial tai useampi kuin yksi itsenäinen muuttuja (faktori-mallit) ja kaksi tai useampi ryhmien ryhmä, kaikki koeryhmät tai yksi niistä on kontrolloiva tai lumelääkekontrolli.

Tämä artikkeli on puhtaasti informatiivinen, online-psykologiassa meillä ei ole kykyä tehdä diagnoosia tai suositella hoitoa. Kutsumme sinut käymään psykologissa käsittelemään tapaustasi.

Jos haluat lukea lisää artikkeleita, jotka ovat samanlaisia Psykologisen lohkon ja satunnaislohkojen tekniikka, Suosittelemme, että kirjoitat kokeellisen psykologian luokkaan.