Diberikan pengaturan eksperimental berikut:
Banyak sampel diambil dari subjek dan setiap sampel diperlakukan dengan berbagai cara (termasuk perlakuan kontrol). Yang paling menarik adalah perbedaan antara kontrol dan masing-masing perlakuan.
Saya dapat memikirkan dua model sederhana untuk data ini. Dengan sampel , pengobatan , pengobatan 0 menjadi kontrol, biarkan menjadi data, menjadi garis dasar untuk sampel , menjadi perbedaan untuk pengobatan . Model pertama melihat kontrol dan perbedaan:
Sementara model kedua hanya melihat perbedaannya. Jika kita menghitung sebelumnya sebelumnya
Pertanyaan saya adalah apa perbedaan mendasar antara kedua pengaturan ini? Khususnya, jika level-level itu tidak berarti dalam diri mereka sendiri dan hanya perbedaan yang penting, apakah model pertama melakukan terlalu banyak dan mungkin kurang bertenaga?
sumber
Jawaban:
Yang pertama, istilah-istilah ini mewakili kesalahan pengukuran dan penyimpangan dari model aditif. Dengan perawatan yang wajar - seperti dengan mengacak urutan pengukuran - kesalahan tersebut dapat dibuat independen ketika modelnya akurat. Dari mana
Korelasi bisa sangat besar. Untuk kesalahan iid, perhitungan serupa menunjukkan sama dengan 0,5. Kecuali jika Anda menggunakan prosedur yang secara eksplisit dan benar menangani korelasi ini, pilih model pertama daripada yang kedua.
sumber