План на експеримента

План на експеримента - Това е етапът на Проектиране на изследването - методика и последователност на работата.

Същност

Терминът, понятието фактор се използва за обозначаване на независимата променлива - на пример цената. Понятието ниво се използва за означаване на различни категории (нива) на фактора - на пример, висока, средна, ниска цена. Въздействието се отнася до различните нива на факторите. Блокиращ фактор е съществуваща по-рано променлива в дадена ситуация, която може да, да има ефект върху зависимата променлива в допълнение, освен изследваното въздействие и това влияние би било важно да се оцени. В действителност блокиращият фактор е независима променлива, която има ефект върху зависимата променлива, но е съществувала по-рано в дадена ситуация, като например броят на жените и мъжете в организацията, клиентите на магазина и тнк.

Въпреки дискутирани до тук най-различни експериментални проекти, понякога може да е на лице едновременно въздействие на две или повече променливи върху зависимата променлива и за да бъде оценено то, ще трябва да използваме по-сложни модели. Сред много напреднали експериментални модели, които са на разположение по-известни са напълно рандомизирания (случаен) модел, рандомизирания блок дизайн, латинския квадрат и факторния модел.

Случайният блоков модел е по-мощна техника, предлагайки повече информация, за да се вземе решение. Обаче разходите на този експериментален проект ще бъдат по-високи. Докато случайният блоков модел помага на експериментатора да сведе до минимум въздействието на неудобната, нежеланата променлива при оценката на ефекта от въздействието, Латинският квадрат е много полезен, когато две нежелани блокиращи фактора трябва да бъдат контролирани. Един от проблемите при него е, че той предполага, че няма взаимодействие между изследваните въздействащи фактори и блокиращите фактори, което не винаги е така. Също така ние се нуждаем от толкова клетки (в таблицата), колкото и въздействия. Освен това, той е икономически неизгоден модел в сравнение с някои други. До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА независима променлива и зависимата променлива.

Факторният модел ни дава възможност да тестваме въздействието, ефекта на ДВЕ ИЛИ ПОВЕЧЕ манипулации (фактори) върху зависимата променлива ПО ЕДНО И СЪЩО ВРЕМЕ. (едновременно). С други думи две въздействия може да бъдат едновременно манипулирани и да бъдат оценени техните отделни и съвместен ефекти (известни като главен, основен и взаимодействащ ефект). Богата информация може да бъде получена от този дизайн. Основните ефекти на двете независими променливи, както и взаимодействието между тях може да бъде оценено. Поради тази причина факториалният модел е по-ефективен от няколко еднофакториални рандомизирани модели.

Също така е статистически възможно да се контролира ЕДНА или ПОВЕЧЕ променливи посредством коварационен анализ. Например, ако предположим, заподозрем, че дори и след като сме произволно подложили членовете на въздействието, има още някой неудобен фактор. Възможно е статистически да блокираме такива фактори, докато анализираме данните.

Вижте още

• Анализ
• Статистика
• Хотърнски експеримент
• Експеримент
• Видове експеримент
• Статистически модели на експеримент
• Провеждане на експеримент
• Метод Делфи
• Метод Монте Карло
• Хипноза
• Франсис Галтон
• Теория на информацията
• Теория на вероятностите
• Хипотеза
• Бейсова вероятност
• Странен атрактор
• Етапи на дедуктивния подход за бизнес изследвания

Източници

• Василева, Б., Узунова, Ю.; "Приложни маркетингови изследвания"; "Ромина", 2003 (75 – 88 стр)
• Желев, С.; "Маркетингови изследвания"; университетсо издателство "Стопанство", 2008 (170, 171,174 стр.)
• Тодорков, К.; „Експериментална психология”; „Faber”, 2005

Външни препратки

• Анализ на връзки и зависмости между явленията
• Примери за корелационен и регресионен анализ
• Корелационен и регресионен анализ - модели и примери
• Изследване на зависимости
• Изчисляване на претегления коефициент на фенотипна корелация между количествени признаци в малки нееднородни извадки
• Коефициент на корелация