常用试验设计类型和方法

● 应特别注意那些对实验结果有影响的非处理因素。
● 平衡处理组间的非处理因素是实验设计的重要内容之一。
各因素所处的不同状态称为水平（level），一个处理因素往 往可分为若干个水平，而水平数的多少是确定实验组数的依
据。
实验单位与观察单位
实验单位（experimental unit）是指接受处理的基本单位。 观察单位（observational unit）是指根据研究需要确定 的采集数据的基本单位。一个实验单位可以有多个观察 单位。注意：处理间的差异应在实验单位中比较。
简单随机化分组方法不能保证分组后各组例数相等， 但当受试对象总例数较多时（如N>200），两组例数相 差悬殊的概率较小。尽管如此，在正式试验前最好先检 查一下随机分配表（即分组过程及结果表）中各组例数 是否大致相当。如果发现相差悬殊（如100例分两组，A 组15例，B组85例），可以重新制定随机化分配表。
•随机化分组步骤
1. 将N个实验单位从1到N编号。如动物可按体重大小、 患者可按就诊顺序。
2. 取随机数字，随机数字的位数一般要求与N相同。
3. 将读取的N个随机数字按分组要求划分区段。
即：根据随机数所在区间决定实验单位应接受的处 理。例如，按二位随机数分两组时，可规定随机数 00~49为第1组，50~99为第2组；分三组时，01~33为第1 组，34~66为第2组，67~99为第3组，余类推。同理，如 按2：1的比例分两组，则01-66为第1组，67-99为第2组。 另外，分两组时，亦可按随机数的奇、偶决定组别。
有些研究希望各组例数相同。当各组例数不相等时， 可从例数较多的组中随机抽取一部分受试者补充到例数 较少的组，使各组例数相等。
例 若 将 20 个 实 验 单 位 随 机 等 分 为 四 组 。 对 2 位 随 机 数 字 规 定 ， 00~24 为 甲 组 ， 25~49 为 乙 组 ，
也可将读取的N个随机数从小至大排顺序，得到N 个序号R，再根据R进行分组，即按R所在区间决定实 验单位应接受的处理。
4. 有必要时可对分组结果进行组别调整。
假如共有n例，需要从中抽取1例，则读取一个位数 与n相等的随机数，除以n后将得到的余数作为所抽实 验单位的序号（规定：如整除则余数为n）。
• 常用随机化分组方法
是否是检验效能不足。
1.0 0.8
ቤተ መጻሕፍቲ ባይዱ
α =0.05
α =0.01
0.6 检 验 效 能 0.4 （1-β ）
0.2
0.0
0
200
400
600
800 1000 1200
样本总量（N）
图8.3.1 样本大小与检验效能、显著性水平的关系
（α =0.05，α =0.01，δ =0.5cm，σ =2cm）
•实验设计的基本原则
检验效能
检验效能（power of a test），又称把握度（power）， 记作1-β，指当两个（或几个）总体存在差异时，经假 设检验能够发现该差异的可能性大小。
● 1 与 、 、 、N 有关。
● 假设检验为“阴性”结论（P>0.05)时, 不能
简单地下“处理无效”的结论，而应该检查一下
一、基本概念
总体与样本（注意：样本要有代表性）
总体（population）是指根据研究目的所确定的所有同质的 观察个体的集合（全体），样本（sample）是指来自总体的 部分观察个体。
处理因素与非处理因素、水平
处理因素（实验因素、研究因素，简称因素），是指在实验 中根据研究目的而施加给实验对象的各种人为设置的干预措 施。非处理因素是指实验中非人为干预的因素，如实验动物 的雌雄、体重，受试者的性别、年龄、病情，实验时的季节、 气温等。
简单随机化 分段随机化 分层随机化
简单随机化：设A和B分别代表处理组和对照组。分组 步骤是先将受试对象（如动物、患者）按体重大小 （或就诊顺序）编号，然后给每个受试者一位随机数， 并规定0-4者分配到A组，5-9者分配到B组。
例 将一批受试对象随机分为两组。
受试者编号 1 2 3 4 5 6 7 8 9 … 随机数 4 0 5 7 2 8 1 9 3 … 分配组别 A A B B A B A B A … 对两组以上时，如分三组时可规定随机数1-3为A组， 4-6者为B组，7-9者为C组，随机数为0时略去。同理， 分四组可规定随机数1-2者为A组，3-4者为B组，5-6者 为C组，7-8者为D组，随机数为0和9时略去。
实验设计的作用主要是减小误差、提高实验的 效率。因此，从统计方面说，根据误差的来源， 在设计时必需遵守三个基本统计学原则，即对 照（control）原则、随机化（randomization） 原则及重复（replication）原则。重复和对照 也是观察性研究必须遵循的原则，唯有随机化 分组是实验性研究的显著特征。
常用实验设计类型与分析方法
•研究设计
以最少的人力、物力和时间，最大限度地获得丰富、准确、 可靠的信息与结论。研究设计：专业设计与统计设计
专业设计：选题，建立假说、确定研究对象和技术方法等。 统计设计：围绕专业设计，确定统计设计类型、样本大小、 分组方法、统计分析指标及统计分析方法等，
根据处理因素、控制因素和实验单位的特征，实验设计 方法又有许多不同的类型。实验设计是关于数据采集、统计 方法应用和得出结论的关键步骤。如实验设计出现错误，不 论用什么统计方法进行数据处理也无法得到正确的结论。因 此，在医学科研中只要条件允许，应尽量在良好的实验设计 的基础上采集数据。医学研究中常用的实验设计类型和方法 有以下十几种。
单独效应、主效应与交互作用
单独效应(simple effect)是指其他因素的水平固定时，同 一因素不同水平间的平均差别。主效应(main effect)指某 一因素各水平间的平均差别。当某因素的各个单独效应 随另一因素水平的变化而变化，且相互间的差别超出随 机波动范围时，则称这两个因素间存在交互作用 (interaction)。注意：在统计分析时，若存在交互作用， 须逐一分析各因素的单独效应。反之，如果不存在交互 作用，则两因素的作用相互独立，分析某一因素的作用 只需考察该因素的主效应。