為什麼這篇隨機分派舉例鄉民發文收入到精華區：因為在隨機分派舉例這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者tomin (stuffy)看板Statistics標題[問題] （等組）隨機分派 random...
我要設計一個實驗。
現在在考慮要α.random assignment 或是 β.random assignment+等組 ！
先釐清一下「等組」的定義（我找不到英文有此說法）。
等組指的是condition groups裡的size一樣。例如實驗組有100人，控制組有100人。
我要在網路上實驗，參與者是陸續進來實驗的。我的組別共有三組：A,B,C。
分派方式是，每一位參與者進來就隨機分派到三組之一。
我事先不知道會有誰自願參與實驗，也無法事先得知會有多少名參與者。
情況一 α.random assignment
假設實驗結束後，總計有300名參與者。
那我三組的人數分配有很多種可能，例如：
A B C
100 100 100
120 90 90
80 105 115
有很大可能性，我的組分派會是不均等的。也就是容易出現(100,100,100)以外的組合。
我的問題來了，等組比不等組更理想嗎？
我爬文發現，不等組比較容易顯著？
因此不等組比較容易看到（研究者想看到的）效果？
（這暗示著不等組實驗比較好做，因為容易有效。）
也因此，同樣都顯著，等組因為較難顯著，
等組的解釋能力會比較強（相較不等組）？
再好奇問一下，什麼情況下，不等組的人數差異會大到不能跑統計？
比如說A組 30人
B組 100人
C組1000人
還是說只要看組的變異性同質，以及常態那些，就可以跑呢？
情況二 β.random assignment+等組
同上例 這次我強制讓300人 分成(100,100,100)這種組合
這種分法 Gravetter & Forzano (2009)稱為restricted random assignment
（以下偏操作面、技術面，略嫌囉嗦……）
可是我的這300名參與者，是在不同時間進來實驗的，300人我要做300次隨機分派。
在情況一不用等組時，這不是問題。但情況二要等組時，我就有困擾了。
舉例來說
第一位001號進來實驗時，沒問題，A,B,C隨機選一個給他。
A B C A B C
001 → 001
第二位002號進來時，由於001號已經占據了B，若要等組的話，勢必只能A,C二選一了。
A B C A B C
002 001 → ? 001 ?
問題來了，002從A,C二選一，算是隨機分派嗎？
隨機分派的目的，是為了確保所有個體有同樣的機會被分派到一個組別。
(Gravetter & Forzano, 2009)
001可以3選1，但002只能2選1，003更是只能1選1，這樣算有同樣的機會嗎？
如果不算，那我這麼做，就不能算隨機分派了嗎？
以我的例子來看，β.random assignment+等組 是不是一個無法成立的設計呢？
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 122.116.40.183
※ 編輯: tomin 來自: 122.116.40.183 (08/29 04:30)
※ 編輯: tomin 來自: 122.116.40.183 (08/29 04:31)
→ yhliu:不等組比較容易顯著? 是嗎? 08/29 09:02
→ yhliu:各組樣本數相等, 是 "平衡" 設計. 08/29 09:03
→ yhliu:如果確定要, 而且有 300 人為實驗對象, 可以事先隨機分派. 08/29 09:04
→ yhliu:或者, 每一個參加者進入時隨機指派, 但某一組已達100則不再 08/29 09:05
→ yhliu:分派進入該組, 而只在未滿額各組隨機指派. 08/29 09:06
→ yhliu:另外, 也可以分段平衡隨機指派, 例如每30人為一段. 08/29 09:07
→ yhliu:分段平衡之極致即是每3人一組隨機指派. 這在事先無法確定是 08/29 09:09
→ yhliu:否能獲得預定樣本數又希望儘量平衡時特別有用. 08/29 09:10
→ yhliu:3組之 one-way ANOVA 最佳樣本配置是否為等樣本(平衡設計)我 08/29 09:15
→ yhliu:未經計算不敢說; 但兩樣本結果可供參考: 08/29 09:16
→ yhliu:telnet://bbs.ncku.edu.tw 之 Statistics 版, 精華區: 08/29 09:17
→ yhliu:精華區(z) --> 9 ---> 30 08/29 09:17
→ tomin:我去看了 若兩群體標準差接近（無顯著差異），不相等 08/29 12:31
→ tomin:n1=n2 是否仍然是最佳配置呢？ 08/29 12:31
→ tomin:上述"不相等"是指數值不完全一樣 但統計上變異數"同質" 08/29 12:34