配对实验设计

旁白：上一个视频我们构造了 一个关于一种能够抑制血糖的药的实验。 我们寻找一些可以衡量血糖控制的指标 糖化血红蛋白(A1c)实际上是人们在血液测试中测量的指标。 我们在可汗学院上有完整的视频。 但这只是平均测量了血糖 在大约3个月的周期里。 这是解释变量。 不论你是否吃药。 反应变量是它对糖化血红蛋白有什么影响。 并且我们构造了一个很经典的实验。 当我们有对照组和实验组。 并且我们随机分配人们去对照组 或者实验组。 为了确保其中一组人， 或两组人，不要以不平衡结束， 这种情况，上一个视频里的情况， 男性和女性的不平衡，我们称之为 一个分组实验设计，我们有100个人， 碰巧其中有60位女性40位男性。 我们说，让我们把这60位女性随机的 分配到2个组里，让我们把40个男性分配 到2个组里，这样我们至少有 一个关于性别的平均的分布。 我们会测量他们的A1c在他们 得到治疗或者安慰剂之前。 然后我们要等三个月， 要么接受治疗，要么接受安慰剂。 然后我们观察者是否有统计学上的 显著的提升。 现在这样很好，也有经典 实验设计的感觉 我们也需要让病人不知道 他们接受什么样的对待，安慰剂或者治疗。 这是盲法实验。 可能提供治疗的护士或者医生也不知道他们在接受什么样的治疗是更好的 这将是双盲实验。 但这不代表这就是完美的实验。 很少有完美的实验。 所以这就是为什么它需要能被复制， 其他人也应该试图证明同样的事情。 可能是通过不同的方式。 即便我们这样设计实验， 这里仍然有可能存在一些潜伏变量。 可能我们保证我们 关于男性和女性的比例的分配是相等的， 但在随机抽样中，我们可能在实验组里有不均等的年轻人数量。 可能吃药对于年轻人来说更有效。 也许这会在其他方面改变他们的行为。 可能年纪大的人，当他们吃药 他们决定吃得更差 因为他们说药能解决所有的问题。 可以有这些潜在的变量， 像年龄，或者他们生活的城市 或其他类型的事情，可能是偶然的过程 使你的实验不再平衡。 不管怎样， 一个技巧 帮助更好的控制变量。 我不应该说控制太多次 另外一个来减弱影响的方法， 是配对设计 配对，配成一对。 实验的配对设计，本质上 除了让这些问题发生， 可能我们做分组实验设计， 或者随机抽样， 除了这些，你随机的把人分到 对照组和实验组里， 然后我们做一次测量， 再做一次交换 在实验组里的人去到 对照组里，让在对照组里的人 到实验组里去。 我们甚至可以更加延伸。 想象一个世界，前三个月 我们有50个人在实验组里， 有另外50个人在对照组里。 他们在吃药。 我们看A1C的变化，然后我们交换 这两个组里的人 他们不知道。 首先，这是理想化的盲法实验 所以他们甚至不知道他们在实验组里 希望这些药物看起来一样。 现在同样的组，在接下来的三个月， 将会是对照组。 他们前三个月吃药， 我们看他们的A1c有什么变化， 现在我们用安慰剂， 我们用这些安慰剂， 在接下来的3个月里。 我们看看他们的A1c发生了什么， 同样，另外一组也要交换。 这些人通常 那些曾经服用安慰剂的人们现在可以得到治疗了。 他们现在可以得到治疗了。 这样的价值是，因为所有人 经历了，一个时期 在对照组，一个时期 在实验组。 但是他们不知道，什么时候在哪个组里。 这样很难有一个潜在的变量 比如年龄或者地理位置 或者导致不平衡的表现， 从而结果被曲解， 然后带来有偏见的结果 这是很有趣的。 即便我在这个视频里这样说 这些只是一些 做实验的不同方法。 这是关于用药。 明显的你会在其他领域里 构造实验。 想到什么是实际的事情是很重要的。 并且，有最好的机会 给你真实的，或者说 无偏见的真实的信息。 对于一个实验来讲， 判断一些东西发挥的作用，或者某个变量， 解释变量，的确会对反应变量产生因果效应。