Dapatkah seseorang menjelaskan kepada saya intuisi di balik plot yang dibagi?
Dari apa yang saya mengerti, pada dasarnya pengacakan dibatasi. Tapi saya masih belum memahaminya. Apakah ada sumber daya atau contoh yang bisa diberikan kepada saya untuk membuatnya lebih jelas?
Plot pisah sering digunakan karena kebutuhan, tetapi bisa ada keuntungan statistik dalam hal ketepatan kontras Anda (atau juga kerugian). Inilah pemahaman dasar saya tentang intuisi untuk menggunakan split plot:
Pertama, izinkan saya menetapkan bahwa dua istilah umum dalam desain plot terpisah adalah "faktor plot keseluruhan" dan "faktor sub-plot." Dalam sebuah studi pertanian, seluruh faktor plot berada pada skala spasial yang lebih besar, katakanlah seluruh bidang, yang mewakili tingkat perlakuan yang berbeda seperti efisiensi drainase. Faktor-faktor sub-plot bersarang secara spasial dalam seluruh faktor plot. Faktor subplot seringkali merupakan sesuatu yang dapat diterapkan pada skala spasial yang lebih kecil, seperti jenis tanaman.
Selain dari alasan kepraktisan (yang mungkin terjadi dalam contoh yang saya tulis di atas), kekuatan split mungkin efisien (atau tidak efisien!). Federer dan King 2007 menyarankan bahwa salah satu alasan untuk menggunakan plot Petak adalah bahwa dibandingkan dengan ANOVA 2 arah, Anda umumnya telah meningkatkan presisi untuk mendeteksi perbedaan antara faktor-faktor sub-plot. Juga, efek interaksi mungkin lebih mudah dideteksi. Sebaliknya, presisi untuk mendeteksi perbedaan antara keseluruhan faktor plot umumnya menurun.
Perbedaan-perbedaan ini dijelaskan oleh fakta bahwa dua istilah kesalahan residual yang terpisah digunakan untuk pengujian hipotesis. Istilah kesalahan plot keseluruhan dihitung dengan terlebih dahulu membuat rerata subplot dalam setiap plot keseluruhan.
Meludah plot juga kadang-kadang digunakan sebagai plot split dalam waktu, yang seperti yang saya mengerti mirip dengan tindakan yang berulang, sering digunakan pada mata pelajaran. Saya tidak yakin apa kelebihannya dalam hal ini. Terminologi memetakan sebagai berikut:
split-plot design = repeated-measures design
whole plot = subject
whole plot factor = between-subject factor
split-plot factor = within-subject factor = repeated-measures factor
Referensi yang sangat komprehensif tentang teori plot split dan implementasinya adalah: Federer WT & King F (2007) Variasi pada plot split dan desain eksperimen blok terpisah (John Wiley & Sons).
Sumber yang bagus adalah Mead's " The design of experiment " (1988), bab 14. Saya pikir ada versi baru di sini . Tetapi Anda tidak benar-benar membutuhkan versi baru untuk memahami alur cerita, dan saya berasumsi Anda memiliki akses ke buku-buku ini di perpustakaan setempat.
Saya bisa memberi Anda 2 sen-nilai saya. Di dunia ideal, jika Anda memiliki 2 perawatan, Anda ingin melakukan desain faktorial. Ini mungkin desain paling efisien yang dapat Anda gunakan. Namun, seringkali ada batasan praktis. Mungkin 2 perawatan harus diterapkan pada level unit yang berbeda (1 lebih besar, 1 lebih kecil), maka Anda harus bersaing dengan split-plot. Jadi pandangan saya tentang petak-petak adalah bahwa hal itu muncul dari keterbatasan praktis.
Menghubungkan ke gagasan pengacakan terbatas, ya, plot split adalah jenis pengacakan terbatas. Perawatan yang diterapkan pada unit utama (plot 'lebih besar') diacak dalam arti terbatas. Tetapi pembatasan tersebut lebih disebabkan oleh keterbatasan praktis daripada ideal statistik.