Saya telah diminta untuk mengusulkan kursus dalam desain eksperimental untuk mahasiswa pascasarjana lanjutan dalam agronomi dan ekologi. Saya tidak pernah mengikuti kursus seperti itu, dan terkejut menemukan bahwa kursus tersebut mungkin lebih tepat dinamai "Beyond one-way ANOVA", dan itu mencakup materi yang saya pelajari dalam kursus pascasarjana tingkat lanjut tentang statistik untuk eksperimen lapangan pertanian (mis. RCBD, Kotak Latin, Kontras, pengukuran berulang, dan kovariat). Mungkin saya bingung dengan nama "Desain Eksperimental" daripada "Analisis Hasil Eksperimental".
Saya memiliki beberapa gagasan tentang apa yang harus diisi oleh kursus seperti itu dan akan menghargai umpan balik tentang bagaimana hal ini dapat diintegrasikan ke dalam kurikulum statistik yang memenuhi kebutuhan siswa sambil menyajikan alternatif modern untuk daftar desain yang disebutkan dan tes terkait mereka.
Sebagai contoh, saya tidak bisa membayangkan mengajar siswa untuk menggunakan kontras linear dan kuadratik dengan ANOVA yang menegakkan kategorisasi variabel kontinu ketika saya bisa mengajar mereka untuk membandingkan model regresi dengan fungsi linear dan kuadratik. Dalam kasus kedua, mereka juga akan belajar bagaimana menangani faktor-faktor yang tidak ditentukan nilai diskritnya secara eksperimen. Jika ada, saya mungkin membandingkan dua pendekatan.
Jika saya mengajar kursus "Desain Eksperimental", saya ingin menekankan konsep dasar yang independen dari model statistik yang diterapkan, dan itu akan diterjemahkan secara lebih luas ke masalah lain. Ini akan memungkinkan siswa lebih fleksibel untuk menggunakan pendekatan statistik modern.
Beberapa konsep yang relevan yang tampaknya tidak tercakup dalam kursus yang ada meliputi:
- model hierarkis dan campuran (yang saya mengerti ANOVA dan kerabat sebagai salah satu contoh)
- perbandingan model (misalnya untuk mengganti kontras)
- menggunakan model spasial alih-alih blok sebagai 'faktor'
- replikasi, pengacakan, dan IID
- perbedaan antara pengujian hipotesis, p-hacking, dan pengenalan pola.
- analisis daya melalui simulasi (mis. pemulihan parameter dari set data simulasi),
- pra-pendaftaran,
- penggunaan pengetahuan sebelumnya dari studi yang diterbitkan dan prinsip-prinsip ilmiah.
Apakah ada kursus yang saat ini mengambil pendekatan seperti itu? Adakah buku teks dengan fokus seperti itu?
Jawaban:
Berikut adalah daftar beberapa buku yang saya sukai dan yang akan menjadi bahan yang bagus untuk kursus seperti itu:
David Cox: Perencanaan Eksperimen , klasik Wiley, 1992. Ini non-matematis, tetapi tidak mudah! Diskusi mendalam tentang konsep dasar di balik desain.
DR Cox & Nancy Reid: Teori Desain Eksperimen , Chapman & Hall, 2000. Lebih matematis, tetapi masih dengan fokus pada konsep dasar
Rosemary A. Bailey: Desain Eksperimen Komparatif , Cambridge UP, 2008. Dari kata pengantar: "Filosofi saya adalah bahwa Anda tidak boleh memilih desain eksperimental dari daftar desain yang bernama. Sebaliknya, Anda harus memikirkan semua aspek dari percobaan saat ini. , dan kemudian memutuskan bagaimana menyatukan mereka secara tepat ... ".
George Casella: Desain Statistik , Springer, 2008. Buku lain yang membahas topik lama dengan mata segar!
Anda bisa melakukan lebih buruk daripada melihat George EP Box, J Stuart Hunter dan William G. Hunter: Statistik untuk Eksperimen: Desain, Inovasi dan Penemuan (edisi kedua, Wiley, 2005) untuk mencari inspirasi.
Saya akan menghindari buku-buku yang lebih tua yang terlihat seperti katalog desain bernama, dan mencari salah satu di atas berdasarkan prinsip-prinsip dasar. Salah satu buku yang akan saya hindari adalah yang populer (mengapa?) Douglas C. Montgomery: Desain dan Analisis Eksperimen .
Topik lain yang dapat dimasukkan adalah desain eksperimental yang optimal , dengan konsep-konsep seperti desain D-optimal atau desain A-optimal. Sekarang ada banyak buku, sehingga sulit untuk dinasihati, beberapa kemungkinan:
Desain Eksperimental Optimal dengan R
Desain Crossover
Optimal Desain Eksperimental Optimal untuk Model Non-Linier: Teori dan Aplikasi
Desain Eksperimen Optimal Eksperimen: Pendekatan Studi Kasus
Ada banyak pengembangan di bidang ini dalam R, jadi silakan lihat di https://CRAN.R-project.org/view=ExperimentalDesign
sumber