5.1 Two-Factor Design

5.1 Two-Factor Design

 

 

- Factorial design은 multiple determination(복수 측정) 분석의 기본 도구(basic tool)

 

- R.A. Fisher의 연구이후, factorial design은 광범위하게 발전

: R.A. Fisher 이전에는 비체계적으로 연구 수행

 

- Factorial design은 둘 혹은 그 이상의 변수를 동시에 처리

 

- A 효과의 일반화는 A와 B의 대조를 통해 평가

 

- 통계적 분석은 hidden power를 발휘

: factorial design은 single variable design에 비해 비용절감(cost effective)효과를 발휘

 

- 분산(variance)의 분석은 변수들의 세분화되고 통합된 것을 해부(분석)하는데 도움을 줌

 

 

 

P's Design Q's Design

B1 B2 B1 B2

A1		A1		A1
A2		A2		A2	☆

 

 

-P의 경우, A1, A2이 B1에 매칭, A1, A2는 B2에 매칭, 이를 다시 B1, B2 차원으로 비교

-Q의 경우, 이를 한번에 분석 가능 : 3배 우월(superior)

첫째, Q의 디자인은 B1과 B2를 한 차례에 비교 가능. 한편, P의 경우, 여러 차례의 비교 과정을 거치면서, 실험조건을 최대한 동일하게 하려하지만, 3번의 실험이 완벽히 같을 수는 없음(e.g., procedure의 향상, 실험 참가자subject population의 변화, 다른 Assistant와 같은 요소들이 완벽히 동일한 상황을 방해). 또한 통제할 수 없는 변수들이 매 실험마다 발생.

 

둘째, confounding 문제

 

- A가 B의 각 수준별로 동일한 상태를 유지할 수 있는가? Q는 가능, P는 여러 문제 내포.

 

셋째, Q가 보다 효율적.

 

- P는 20명의 표본, Q는 10명의 표본으로 시행, 표본 수의 고-효율

- P는 실험의 재시행 측면에서 용이, 그러나 이는 앞서 언급한 confounding 요소 존재 가능성

 

⇒ 궁극적으로, Q가 보다 많은 정보를 적은 비용으로 취득

 

- factorial design은 row-column matrix라고도 일컫음

 

- 위의 그림에서 A는 row, B는 column : AjBk로 표기

(☆는 A2B1)

 

아래 매트릭스는 3x5로 표기

 

https://smartstore.naver.com/smallme/products/2875259458

페인팅 스몰미 15세트 (painting smallME, 컬러링 스몰미) 페인팅스몰미, 미술교육. 창의력교육. 색칠