ConclusionThis workbook offers seve

Conclusion

This workbook offers several simulation models that are appropriate for use of three common research designs for evaluating program effects. The logic of these simulations can be easily extended to other relevant research contexts. For instance, many agencies routinely conduct sample surveys to identify needs and target populations, assess services that are provided, and compare agency functioning with the performance of other similar agencies or with some standard. One would construct simulation models for survey instruments for the same reasons that they are constructed for evaluation designs--to improve teaching and general understanding, to explore problems in implementing the survey (such as non response patterns), or to examine the probable effect of various analytic strategies. The key to doing this would again rest on the statistical model used to generate hypothetical survey responses. A "true score" measurement model is useful, at least for simple simulations, but may have to be modified. For instance, assume that one question on a survey deals with client satisfaction with a particular service and that the response is a 7-point Likert-type format where 1=very dissatisfied, 7=very satisfied, and 4=neutral. The analyst could make the assumption that for some sample or subsample the true average response is a scale value equal to 5 points (somewhat satisfied), and that the true distribution of responses is normal around these values, with some standard deviation. At some point, the analyst will have to convert this hypothetical underlying continuous true distribution to the 7-point integer response format either by rounding or by generating normally distributed random integers in the first place. Such a variable could then be correlated or cross-tabulated with other generated responses to explore analytic strategies for that survey. Similar extensions of the models discussed here can be made for simulations of routinely collected management information system (MIS) information, for data for correlational studies, or for time-series situations, among others.
Simulations are assumptive in nature and vary in quality to the degree that the reality is correctly modeled. When constructing a simulation, it is important that the analyst seek out empirical evidence to support the assumptions that are made whenever this is feasible. For instance, it should be clear that the simulations described here could be greatly enhanced if we had more specific data on how much and what type of attrition typically occurs, what type of floor or ceiling effects are common, what patterns of misassignment relative to the cutoff value typically arise for the RD design, what the typical test-retest reliabilities (for use in reliability-corrected ANCOVA) might be, and so on. Although some relevant data will be available in the methodological literature, all of these issues are context specific and demand that the analyst know the setting in some detail if the simulations are to be reasonable.
One way to approach the assumptive nature of the simulation task is to recognize that reality conditions or constraints in the models need to be examined systematically across a range of plausible conditions. This implies that multiple analyses under systematically varied conditions that are based upon principles of parametric experimental design are needed in state-of-the art simulation work. This point is made well by Heiberger et al. (1983:585):
The computer has become a source of experimental data for modern statisticians much as the farm field was to the developers of experimental design. However, many "field" experiments have largely ignored fundamental principles of experimental design by failing to identify factors clearly and to control them independently. When some aspects of test problems were varied, others usually changed as well--often in unpredictable ways. Other computer-based experiments have been ad hoc collection of anecdotal results at sample points selected with little or no design.
Heiberger et al. (1983) go on to describe a general model for simulation design that allows the analyst to control systematically a large number of relevant parameters across some multidimensional reality space, including the sample size, number of endogenous variables, number of "key points" or condition values, matrix eigenvalues and eigenvectors, intercorrelations, least squares regression coefficients, means standard errors, and so on.
Although rigorous, experimentally based simulations are essential for definitive analysis of complex problems, they will not always be feasible or even desirable for many program evaluation contexts. Instead, it is important to recognize that simulations are generally a useful tool that can be used to conduct more definitive statistical studies. However, simulations in program evaluation can provide the analyst with the means to explore and probe simple relevant data structures for th

ผลลัพธ์ (ไทย) 1:

สรุปสมุดงานนี้มีหลายรูปแบบจำลองที่เหมาะสมสำหรับใช้ในการวิจัยทั่วไป 3 แบบสำหรับประเมินผลโปรแกรม ตรรกะของสถานการณ์จำลองเหล่านี้สามารถขยายได้อย่างง่ายดายกับบริบทของงานวิจัยที่เกี่ยวข้องอื่น ๆ เช่น หลายหน่วยงานเป็นประจำดำเนินการสำรวจตัวอย่างที่ระบุความต้องการ และกำหนดเป้าหมายประชากร ประเมินบริการที่มีอยู่ และเปรียบเทียบหน่วยงานทำงาน ด้วยประสิทธิภาพของหน่วยงานอื่นที่คล้าย หรือบางมาตรฐาน หนึ่งจะสร้างแบบจำลองสำหรับเครื่องมือสำรวจเหตุผลเดียวกันว่า พวกเขาจะสร้างสำหรับการออกแบบการประเมิน - การปรับปรุงการสอนและความเข้าใจทั่วไป การสำรวจปัญหาในการใช้แบบสำรวจ (เช่นรูปแบบการตอบสนองไม่ใช่), หรือ การตรวจสอบน่าเป็นผลของกลยุทธ์วิเคราะห์ต่าง ๆ กุญแจสำคัญในการทำเช่นนี้จะอีกพักบนแบบจำลองทางสถิติที่ใช้ในการสร้างการตอบแบบสำรวจสมมุติ การวัด "true คะแนน" รุ่นมีประโยชน์ น้อยสำหรับแบบจำลองอย่างง่าย แต่อาจมีการแก้ไข เช่น สมมติว่าหนึ่งคำถามในการสำรวจข้อเสนอลูกค้าพึงพอใจกับบริการ และการตอบสนองเป็นรูปแบบ 7 จุด Likert ประเภท 1 =ไม่พอใจมาก 7 =พอใจมาก และ 4 =เป็นกลาง นักวิเคราะห์สามารถทำให้สมมติฐานที่บางอย่างหรือ subsample การตอบสนองเฉลี่ยจริงคือ ค่าสเกลเท่ากับ 5 คะแนน (ค่อนข้างพอใจ), และการกระจายที่แท้จริงของการตอบสนองเป็นปกติใกล้เคียงค่าเหล่านี้ ด้วยส่วนเบี่ยงเบนมาตรฐานบาง ในบางจุด นักวิเคราะห์จะต้องแปลงนี้สมมุติพื้นฐานกระจายอย่างต่อเนื่องจริงเต็ม 7 จุดตอบสนองรูปแบบโดยการปัดเศษ หรือ โดยการสร้างปกติกระจายแบบสุ่มจำนวนเต็มตั้งแต่แรก ตัวแปรแล้วอาจมีความสัมพันธ์ หรือสนับสนุน ด้วยการตอบสนองอื่น ๆ สร้างขึ้นเพื่อสำรวจวิเคราะห์กลยุทธ์สำหรับแบบสำรวจ ส่วนขยายที่คล้ายกันของแบบจำลองที่กล่าวถึงที่นี่สามารถทำการจำลองข้อมูลรวบรวมเป็นประจำระบบการจัดการข้อมูล (MIS) ข้อมูล สำหรับศึกษา correlational หรือชุดเวลา สถานการณ์ หมู่คนอื่น ๆ จำลองเป็น assumptive ในธรรมชาติ และเปลี่ยนแปลงให้ได้องศาที่ถูกต้องจำลองความเป็นจริง เมื่อสร้างแบบจำลอง มันเป็นสิ่งสำคัญที่นักวิเคราะห์หาหลักฐานเชิงประจักษ์เพื่อสนับสนุนสมมติฐานที่เกิดขึ้นเมื่อใดก็ ตามที่เป็นไปได้ เช่น มันควรจะชัดเจนว่า แบบจำลองที่อธิบายไว้ที่นี่สามารถเพิ่มถ้าเรามีข้อมูลเฉพาะเพิ่มเติมเกี่ยวกับวิธีมาก และผสมชนิดใดมักจะเกิดขึ้น ชนิดของพื้นหรือเพดานผลคือทั่วไป สิ่งที่รูปแบบของ misassignment เมื่อเทียบกับค่าที่ตัดยอดมักจะเกิดการออกแบบถนน reliabilities ทั่วไปทดสอบ-retest (สำหรับใช้ในแก้ไขความน่าเชื่อถือ ANCOVA) ที่อาจ เพื่อความ แม้ว่าข้อมูลบางอย่างที่เกี่ยวข้องจะพร้อมใช้ในวรรณคดีวิธี ปัญหาเหล่านี้ทั้งหมดเป็นบริบทเฉพาะและความต้องการที่นักวิเคราะห์ที่รู้ว่าการตั้งค่าในรายละเอียดบางถ้าจำลองจะเหมาะสมวิธีการวิธีธรรมชาติ assumptive ของจำลองงานหนึ่งคือการ รับรู้ว่า ความจริงเงื่อนไขหรือข้อจำกัดในรูปแบบที่จำเป็นต้องตรวจสอบอย่างเป็นระบบในช่วงของเงื่อนไขที่เป็นไปได้ บ่งชี้ว่า มีความจำเป็นวิเคราะห์ต่าง ๆ ภายใต้เงื่อนไขที่แตกต่างกันเป็นระบบที่ยึดตามหลักการออกแบบการทดลองแบบพาราเมตริกในการทำงานจำลองสถานะของศิลปะ จุดนี้ทำได้ดีโดย Heiberger et al. (1983:585): คอมพิวเตอร์ได้กลายเป็น แหล่งที่มาของข้อมูลทดลองสำหรับ statisticians ที่ทันสมัยมากเป็นฟิลด์ฟาร์มเพื่อพัฒนาออกแบบการทดลอง อย่างไรก็ตาม หลาย "ฟิลด์" ทดลองมีส่วนใหญ่ละเว้นหลักพื้นฐานการออกแบบการทดลอง ด้วยความล้มเหลว เพื่อระบุปัจจัยอย่างชัดเจน และควบคุมได้อย่างอิสระ เมื่อบางแง่มุมของปัญหาทดสอบได้หลากหลาย ผู้อื่นมักจะเปลี่ยนไปด้วย - มักจะวิธีคาดเดาไม่ คอมพิวเตอร์ทดลองการกิจเก็บประวัติผลจุดตัวอย่างเลือกแบบน้อย หรือไม่มีHeiberger et al. (1983) ไปในการอธิบายแบบจำลองทั่วไปสำหรับการออกแบบจำลองที่ช่วยให้นักวิเคราะห์ในการควบคุมระบบจำนวนมากของพารามิเตอร์ที่เกี่ยวข้องในพื้นที่จริงหลายมิติบาง รวมทั้งตัวอย่างขนาด จำนวนของตัวแปรภายนอก จำนวน "จุดสำคัญ" หรือค่าเงื่อนไข เมทริกซ์ค่าลักษณะเฉพาะ และเวกเตอร์ลักษณะ เฉพาะ intercorrelations ค่าสัมประสิทธิ์ถดถอยกำลังสองน้อยสุด หมายความว่า มาตรฐานข้อผิดพลาด และแม้เข้มงวด การทดลองจำลองมีความจำเป็นสำหรับการวิเคราะห์ที่ชัดเจนของปัญหาซับซ้อน พวกเขามักจะเป็นไปได้ หรือแม้กระทั่งต้องการสำหรับหลายโปรแกรมการประเมินบริบท แทน มันเป็นสิ่งสำคัญที่ต้องตระหนักว่า สถานการณ์จำลองโดยทั่วไป เครื่องมือที่มีประโยชน์ที่สามารถใช้เพื่อดำเนินการศึกษาทางสถิติที่ชัดเจนมากขึ้น อย่างไรก็ตาม จำลองในการประเมินผลโครงการสามารถให้นักวิเคราะห์ที่ มีวิธีการสำรวจ และสอบสวนโครงสร้างข้อมูลที่เกี่ยวข้องที่ง่ายสำหรับ th

ผลลัพธ์ (ไทย) 2:

สรุป

สมุดงานนี้มีแบบจำลองหลายอย่างที่มีความเหมาะสมสำหรับการใช้งานในสามของการออกแบบการวิจัยที่พบบ่อยสำหรับการประเมินผลกระทบโครงการ ตรรกะของจำลองเหล่านี้สามารถขยายได้อย่างง่ายดายบริบทงานวิจัยอื่น ๆ ที่เกี่ยวข้อง ยกตัวอย่างเช่นหลายหน่วยงานประจำดำเนินการสำรวจกลุ่มตัวอย่างที่ระบุความต้องการและประชากรเป้าหมายในการประเมินการบริการที่มีให้และเปรียบเทียบการทำงานกับการทำงานของหน่วยงานอื่น ๆ ที่คล้ายกันหรือมาตรฐานบางหน่วยงาน หนึ่งจะสร้างแบบจำลองสำหรับเครื่องมือการสำรวจด้วยเหตุผลเดียวกับที่พวกเขาจะสร้างสำหรับการออกแบบการประเมินผล - การปรับปรุงการเรียนการสอนและความเข้าใจโดยทั่วไปในการสำรวจปัญหาในการดำเนินการสำรวจ (เช่นรูปแบบการตอบสนองที่ไม่ได้) หรือการตรวจสอบผลกระทบที่น่าจะเป็น กลยุทธ์การวิเคราะห์ต่างๆ กุญแจสำคัญในการทำเช่นนี้อีกครั้งจะพักผ่อนในแบบจำลองทางสถิติที่ใช้ในการสร้างการตอบแบบสำรวจสมมุติ "คะแนนความจริง" รูปแบบการวัดจะเป็นประโยชน์อย่างน้อยสำหรับการจำลองง่าย แต่อาจจะต้องมีการปรับเปลี่ยน ยกตัวอย่างเช่นสมมติว่าคำถามหนึ่งในข้อเสนอการสำรวจความพึงพอใจของลูกค้าด้วยบริการและโดยเฉพาะอย่างยิ่งว่าการตอบสนองเป็น 7 จุดรูปแบบ Likert ประเภทที่ 1 = ไม่พอใจมาก 7 = ความพึงพอใจมากและ 4 = เป็นกลาง นักวิเคราะห์จะทำให้สมมติฐานที่ว่าตัวอย่างบางส่วนหรือ subsample การตอบสนองโดยเฉลี่ยที่แท้จริงคือค่ามาตราส่วนเท่ากับ 5 คะแนน (ความพึงพอใจค่อนข้าง) และการกระจายความจริงของการตอบสนองเป็นปกติรอบค่าเหล่านี้มีบางส่วนเบี่ยงเบนมาตรฐาน ในบางจุด, นักวิเคราะห์จะมีการแปลงนี้อยู่ภายใต้การจัดจำหน่ายจริงสมมุติอย่างต่อเนื่องเพื่อตอบสนองรูปแบบจำนวนเต็ม 7 จุดทั้งโดยปัดเศษหรือโดยการสร้างการกระจายตามปกติจำนวนเต็มแบบสุ่มในสถานที่แรก เช่นตัวแปรได้แล้วจะมีความสัมพันธ์หรือข้าม tabulated กับการตอบสนองที่สร้างอื่น ๆ ในการสำรวจวิเคราะห์กลยุทธ์สำหรับการสำรวจว่า ส่วนขยายที่คล้ายกันของรูปแบบที่กล่าวถึงที่นี่สามารถทำสำหรับการจำลองระบบการจัดการข้อมูลที่เก็บรวบรวมเป็นประจำ (MIS) ข้อมูลสำหรับข้อมูลสำหรับการศึกษาหาความสัมพันธ์หรือสำหรับสถานการณ์อนุกรมเวลาอื่น ๆ ในกลุ่ม
จำลองเป็น assumptive ในธรรมชาติและแตกต่างกันไปในที่มีคุณภาพในระดับที่เป็นจริงเป็นแบบจำลองได้อย่างถูกต้อง เมื่อสร้างจำลอง มันเป็นสิ่งสำคัญที่นักวิเคราะห์หาหลักฐานเชิงประจักษ์เพื่อสนับสนุนสมมติฐานที่ว่าจะทำเมื่อใดก็ตามที่เป็นไปได้นี้ ยกตัวอย่างเช่นมันควรจะเป็นที่ชัดเจนว่าการจำลองที่อธิบายที่นี่อาจจะเพิ่มขึ้นอย่างมากถ้าเรามีข้อมูลที่เฉพาะเจาะจงมากขึ้นเกี่ยวกับวิธีการมากและสิ่งที่ประเภทของการขัดสีมักจะเกิดขึ้นสิ่งที่ชนิดของพื้นหรือเพดานผลกระทบอยู่ร่วมกันสิ่งที่รูปแบบของการ misassignment เทียบกับ ค่าตัดมักจะเกิดขึ้นสำหรับการออกแบบ RD สิ่งปกติเที่ยงทดสอบซ้ำ (สำหรับใช้ใน ANCOVA ความน่าเชื่อถือในการแก้ไข) อาจจะมีและอื่น ๆ แม้ว่าข้อมูลที่เกี่ยวข้องบางส่วนจะสามารถใช้ได้ในวรรณคดีระเบียบวิธีการทั้งหมดของปัญหาเหล่านี้เฉพาะบริบทและความต้องการที่นักวิเคราะห์ทราบการตั้งค่าในรายละเอียดบางถ้าจำลองจะเป็นที่เหมาะสม
วิธีการหนึ่งที่จะเข้าใกล้ธรรมชาติ assumptive ของงานจำลองคือการรับรู้ว่าสภาพความเป็นจริงหรือข้อ จำกัด ในรูปแบบที่จะต้องมีการตรวจสอบอย่างเป็นระบบในช่วงของเงื่อนไขที่เป็นไปได้ นี่ก็หมายความว่าหลายวิเคราะห์ภายใต้เงื่อนไขที่แตกต่างกันเป็นระบบที่มีพื้นฐานอยู่บนหลักการของการออกแบบการทดลองพารามิเตอร์ที่มีความจำเป็นในการทำงานของรัฐของการจำลองศิลปะ จุดนี้จะทำอย่างดีจาก Heiberger et al, (1983: 585):
คอมพิวเตอร์ได้กลายเป็นแหล่งที่มาของข้อมูลการทดลองสำหรับสถิติที่ทันสมัยมากที่สุดเท่าที่ฟาร์มคือการพัฒนาของการออกแบบการทดลองที่ แต่หลายฟิลด์ "" การทดลองได้ส่วนมากไม่สนใจหลักการพื้นฐานของการออกแบบการทดลองโดยไม่สามารถระบุได้อย่างชัดเจนและปัจจัยที่จะควบคุมพวกเขาเป็นอิสระ เมื่อบางแง่มุมของปัญหาการทดสอบที่ได้รับแตกต่างกัน คนอื่น ๆ มักจะมีการเปลี่ยนแปลงเป็นอย่างดี - มักจะอยู่ในรูปแบบที่คาดเดาไม่ได้ การทดลองคอมพิวเตอร์อื่น ๆ ตามที่ได้รับคอลเลกชันเฉพาะกิจของผลพอสมควรที่จุดเลือกกลุ่มตัวอย่างที่มีการออกแบบน้อยหรือไม่มีเลย
Heiberger et al, (1983) ไปในการอธิบายรูปแบบทั่วไปสำหรับการออกแบบจำลองที่ช่วยให้นักวิเคราะห์ในการควบคุมระบบเป็นจำนวนมากของพารามิเตอร์ที่เกี่ยวข้องในพื้นที่ความเป็นจริงบางอย่างที่หลายมิติรวมทั้งขนาดของกลุ่มตัวอย่างจำนวนของตัวแปรภายนอกจำนวนของ "ประเด็นสำคัญ" หรือเงื่อนไข ค่าเมทริกซ์ค่าลักษณะเฉพาะและ eigenvectors, intercorrelations อย่างน้อยค่าสัมประสิทธิ์การถดถอยสี่เหลี่ยมหมายถึงข้อผิดพลาดมาตรฐานและอื่น ๆ
แม้ว่าอย่างเข้มงวดตามแบบจำลองการทดลองมีความจำเป็นสำหรับการวิเคราะห์ที่ชัดเจนของปัญหาที่ซับซ้อน พวกเขาจะไม่เคยเป็นไปได้หรือแม้กระทั่งที่พึงประสงค์สำหรับบริบทประเมินผลโครงการจำนวนมาก แต่มันเป็นสิ่งสำคัญที่จะยอมรับว่าการจำลองโดยทั่วไปจะมีเครื่องมือที่มีประโยชน์ที่สามารถนำมาใช้ในการดำเนินการศึกษาทางสถิติที่ชัดเจนมากขึ้น อย่างไรก็ตามในการประเมินผลการจำลองโปรแกรมสามารถให้นักวิเคราะห์ด้วยวิธีการที่จะสำรวจและตรวจสอบง่ายโครงสร้างข้อมูลที่เกี่ยวข้องสำหรับ TH

ผลลัพธ์ (ไทย) 3:

สรุปสมุดงานนี้มีแบบจำลองต่าง ๆ ที่เหมาะสมกับการใช้สามการออกแบบการวิจัยทั่วไปสำหรับการประเมินผลโปรแกรม ตรรกะของแบบจำลองเหล่านี้สามารถขยายได้อย่างง่ายดายเพื่อบริบทการวิจัยอื่น ๆ ที่เกี่ยวข้อง ตัวอย่าง หลายหน่วยงานตรวจพฤติกรรมการสำรวจด้วยตัวอย่าง เพื่อระบุความต้องการและเป้าหมายประเมินบริการที่มีให้ และเปรียบเทียบการทำงานกับหน่วยงาน การปฏิบัติงานของหน่วยงานอื่นที่คล้ายคลึงกัน หรือมีบางมาตรฐาน หนึ่งจะสร้างแบบจำลองเครื่องมือสำรวจด้วยเหตุผลเดียวกันกับที่พวกเขาถูกสร้างขึ้นเพื่อการออกแบบการประเมินผล -- เพื่อปรับปรุงการสอนและความรู้ทั่วไป เพื่อศึกษาปัญหาการใช้แบบสำรวจ ( ไม่เช่นรูปแบบการตอบสนอง ) หรือตรวจสอบผลน่าจะเป็นกลวิธีวิเคราะห์ต่าง ๆ คีย์ทำแบบนี้อีกครั้งจะขึ้นอยู่กับสถิติที่ใช้ในการสร้างการตอบสนองการสำรวจแบบสมมุติ " คะแนน " ที่แท้จริงของโมเดลการวัดเป็นประโยชน์ อย่างน้อยก็ใช้ง่าย แต่อาจจะต้องมีการแก้ไข ตัวอย่างเช่น สมมติว่า คำถามในการสำรวจที่เกี่ยวข้องกับความพึงพอใจของลูกค้า ด้วยบริการเฉพาะและการตอบสนองเป็น 7-point คนประเภทรูปแบบที่ 1 = ไม่พอใจมาก , 7 = 4 = พอใจมาก และเป็นกลาง นักวิเคราะห์สามารถทำให้สมมติฐานที่ว่าบางตัวอย่างหรือ subsample ตอบสนองเฉลี่ยจริงเป็นมาตราส่วนมูลค่าเท่ากับ 5 คะแนน ( พอใจมาก ) , และที่จำหน่ายจริงของการตอบสนองเป็นปกติประมาณค่าเหล่านี้ มีบาง ส่วนเบี่ยงเบนมาตรฐาน ในบางจุดที่นักวิเคราะห์จะต้องแปลงนี้สมมุติพื้นฐานอย่างต่อเนื่องจริง การกระจายการ 7-point เต็มรูปแบบทั้งการตอบสนองโดยปัดเศษหรือโดยการสร้างแบบปกติจำนวนเต็มแบบสุ่มในสถานที่แรก ตัวแปรดังกล่าวแล้วอาจจะมีความสัมพันธ์หรือข้ามแยกกับอื่น ๆ ที่สร้างการตอบสนองเพื่อสำรวจกลยุทธ์เชิงวิเคราะห์เพื่อสำรวจว่า . คล้ายกับนามสกุลของรุ่นที่กล่าวถึงที่นี่ได้จำลองของตรวจรวบรวมระบบสารสนเทศเพื่อการจัดการข้อมูล , ข้อมูลนิ หรือ สำหรับอนุกรมเวลา สถานการณ์ ของผู้อื่นจำลองเป็น assumptive ในธรรมชาติ และความแตกต่างในคุณภาพในระดับที่เป็นจริงถูกต้องจำลอง . เมื่อสร้างแบบจำลอง มันสำคัญที่นักวิเคราะห์หาหลักฐานเชิงประจักษ์สนับสนุนสมมติฐานที่ทำเมื่อใดก็ตามที่เป็นไปได้ ตัวอย่าง มันควรจะชัดเจนว่าจำลองอธิบายไว้ที่นี่อาจจะเพิ่มมาก ถ้าเรามีข้อมูลที่เฉพาะเจาะจงมากขึ้นเท่าใดและสิ่งที่ประเภทของการขัดสีมักจะเกิดขึ้น , สิ่งที่ชนิดของพื้นหรือเพดานผลทั่วไป สิ่งที่รูปแบบของ misassignment เทียบกับมูลค่านี้มักจะเกิดขึ้นสำหรับ RD ออกแบบอะไรแบบโดยทั่วไป ( สำหรับใช้ในความน่าเชื่อถือแก้ไข ANCOVA ) อาจจะ , และดังนั้นบน แม้ว่าข้อมูลบางส่วนจะสามารถใช้ได้ในวรรณคดี วิธีการทั้งหมดของปัญหาเหล่านี้เป็นบริบทที่เฉพาะเจาะจงและความต้องการที่ นักวิเคราะห์ รู้จักการตั้งค่าในรายละเอียดบางอย่าง ถ้าใช้จะต้องเหมาะสมวิธีหนึ่งในการเข้าหาธรรมชาติ assumptive ของงานจำลองคือการรับรู้ว่าสภาพความเป็นจริงหรือข้อจำกัดในรุ่นต้องการที่จะตรวจสอบอย่างเป็นระบบในช่วงของเงื่อนไขที่เป็นไปได้ อย่างไรก็ตาม ภายใต้เงื่อนไขที่แตกต่างกันหลายวิเคราะห์อย่างเป็นระบบที่อยู่บนพื้นฐานของหลักการการออกแบบการทดลองเชิงเป็นรัฐของศิลปะในการทำงาน จุดนี้เป็นอย่างดี โดย heiberger et al . ( 1983:585 )คอมพิวเตอร์ได้กลายเป็น แหล่งที่มาของข้อมูลสำหรับสถิติที่ทันสมัยมากเป็นท้องทุ่งนาเป็นนักพัฒนาของการออกแบบการทดลอง อย่างไรก็ตาม มี " สนาม " การทดลองส่วนใหญ่ไม่สนใจหลักการพื้นฐานของการออกแบบการทดลอง โดยมิได้ระบุปัจจัยที่ชัดเจน และคุมมันได้อย่างอิสระ เมื่อบางแง่มุมของปัญหาการทดสอบแตกต่างกันไป คนอื่นมักจะเปลี่ยนไปเช่นกัน . . . มักจะได้วิธี การทดลองด้วยคอมพิวเตอร์อื่น ๆที่ได้รับการเก็บรวบรวมผลเฉพาะกิจ anecdotal ที่ตัวอย่างจุดเลือกออกแบบน้อยหรือไม่มีเลยheiberger et al . ( 1983 ) ไปในการอธิบายรูปแบบทั่วไปสำหรับการจำลองการออกแบบที่ช่วยให้นักวิเคราะห์ในการควบคุมอย่างเป็นระบบเป็นจำนวนมากของพารามิเตอร์ที่เกี่ยวข้องในบางมิติ ความเป็นจริงพื้นที่รวมทั้งขนาดตัวอย่าง จำนวนของตัวแปรภายนอกจำนวน " จุดที่สำคัญ หรือ เงื่อนไข ค่า ค่าเมทริกซ์และเสนอ intercorrelations สัมประสิทธิ์ถดถอยกำลังสองน้อยที่สุด , , , หมายถึงข้อผิดพลาดมาตรฐานและแม้ว่าเคร่งครัด โดยจำลองแบบจากที่จำเป็นสำหรับการวิเคราะห์ที่ชัดเจนของปัญหาที่ซับซ้อน พวกเขาจะไม่เสมอเป็นไปได้ หรือพึงปรารถนาแม้แต่หลายโปรแกรมการประเมินบริบท . แทน , มันเป็นสิ่งสำคัญที่ต้องจำว่าจำลอง โดยทั่วไปจะเป็นเครื่องมือที่มีประโยชน์ที่สามารถใช้ศึกษาทางสถิติมากกว่า อย่างไรก็ตาม แบบจำลองในการประเมินโปรแกรมสามารถให้นักวิเคราะห์ ด้วยวิธีการสำรวจและตรวจสอบข้อมูลโครงสร้างส่วนง่าย