We have seen that the one-at-a-time

We have seen that the one-at-a-time approach to investigating the effect of
two factors on a response is suitable only for situations in which the two factors do
not interact. Although this was illustrated for the simple case in which two factors
were to be investigated at each of two levels, the inadequacies of a one-at-a-time
approach are even more salient when trying to investigate the effects of more than
two factors on a response.
Factorial treatment structures are useful for examining the effects of two or
more factors on a response y, whether or not interaction exists. As before, the
choice of the number of levels of each variable and the actual settings of these variables
is important. However, assuming that we have made these selections with
help from an investigator knowledgeable in the area being examined, we must decide
at what factor–level combinations we will observe y.
Classically, factorial treatment structures have not been referred to as designs
because they deal with the choice of levels and the selection of factor–level
combinations (treatments) rather than with how the treatments are assigned to
experimental units. Unless otherwise specified, we will assume that treatments are
assigned to experimental units at random. The factorial–level combinations will
then correspond to the “treatments” of a completely randomized design.

ผลลัพธ์ (ไทย) 1:

เราได้เห็นซึ่งวิธีหนึ่งที่เวลาเพื่อตรวจสอบผลของการปัจจัยที่สองในการตอบสนองเหมาะสมสำหรับสถานการณ์ที่ปัจจัยทั้งสองทำไม่เปลี่ยว แม้ว่าที่นี้ถูกแสดงสำหรับกรณีธรรมดาในปัจจัยที่สองจะถูกตรวจสอบในแต่ละระดับสอง ไม่เพียงพอของในวันที่เวลาวิธีจะเด่นมากขึ้นเมื่อคุณพยายามที่ศึกษาผลของมากกว่าปัจจัยที่สองในการตอบสนองแฟกทอเรียลรักษาโครงสร้างมีประโยชน์สำหรับการตรวจสอบผลกระทบของสอง หรือเพิ่มเติมปัจจัยในการตอบสนอง y หรือไม่มีการโต้ตอบ เป็นมาก่อน การเลือกจำนวนของระดับของแต่ละตัวแปรและการตั้งค่าของตัวแปรเหล่านี้เป็นสิ่งสำคัญ อย่างไรก็ตาม สมมติว่า เรามีตัวเลือกเหล่านี้ด้วยความช่วยเหลือจากนักสืบที่มีความรู้ในพื้นที่ที่มีการตรวจสอบ เราต้องตัดสินใจที่รวมปัจจัย – ระดับใดเราจะสังเกต yคลาสสิก แฟกทอเรียลรักษาโครงสร้างมีไม่ได้รับการเรียกว่าการออกแบบเนื่องจากพวกเขาจัดการกับทางเลือกของระดับและการเลือกปัจจัย – ระดับชุด (รักษา) ไม่ใช่ กับวิธีการรักษาที่ได้รับการกำหนดหน่วยทดลอง กำหนดไว้ เราจะสมมติว่า รักษากำหนดให้กับหน่วยทดลองที่สุ่ม ชุดแฟกทอเรียล – ระดับจะจากนั้น สอดคล้องกับการ "รักษา" ของการออกแบบสุ่มอย่างสมบูรณ์

ผลลัพธ์ (ไทย) 2:

เราได้เห็นว่าวิธีการหนึ่งที่มีเวลาในการตรวจสอบผลกระทบจาก
สองปัจจัยในการตอบกลับมีเพียงเหมาะสำหรับสถานการณ์ที่ทั้งสองปัจจัยจะ
ไม่โต้ตอบ แม้ว่านี่จะเป็นตัวอย่างสำหรับกรณีที่ง่ายในการที่ทั้งสองปัจจัย
จะถูกตรวจสอบในแต่ละสองระดับความบกพร่องของหนึ่งที่เป็นเวลาที่
วิธีการที่จะได้เด่นมากขึ้นเมื่อพยายามที่จะตรวจสอบผลกระทบของการขึ้นกว่า
สองปัจจัยใน การตอบกลับ.
โครงสร้างการรักษา factorial มีประโยชน์สำหรับการตรวจสอบผลกระทบของทั้งสองหรือ
หลายปัจจัยใน Y การตอบสนองหรือไม่ว่าการทำงานร่วมกันอยู่ เมื่อก่อนที่
ทางเลือกของจำนวนของระดับของแต่ละตัวแปรและการตั้งค่าที่แท้จริงของตัวแปรเหล่านี้
เป็นสิ่งสำคัญ อย่างไรก็ตาม
สมมติว่าเราได้ทำการเลือกเหล่านี้ด้วย ความช่วยเหลือจากผู้ตรวจสอบที่มีความรู้ในพื้นที่ที่ได้รับการตรวจสอบเราต้องตัดสินใจ
ในสิ่งที่รวมกันปัจจัยระดับที่เราจะสังเกต Y
คลาสสิก, โครงสร้างการรักษาปัจจัยยังไม่ได้รับการเรียกว่าออกแบบ
เพราะพวกเขาจัดการกับทางเลือกของระดับและการเลือกปัจจัยระดับ
รวมกัน (รักษา) มากกว่ากับวิธีการรักษาได้รับมอบหมายให้
หน่วยทดลอง ได้ระบุไว้ว่าเราจะคิดว่าการรักษาจะ
ได้รับมอบหมายให้หน่วยทดลองแบบสุ่ม ชุดปัจจัยระดับจะ
แล้วตรงกับ "การรักษา" ของแบบสุ่มสมบูรณ์ เราต้องตัดสินใจ ในสิ่งที่รวมกันปัจจัยระดับที่เราจะสังเกต Y คลาสสิก, โครงสร้างการรักษาปัจจัยยังไม่ได้รับการเรียกว่าออกแบบเพราะพวกเขาจัดการกับทางเลือกของระดับและการเลือกปัจจัยระดับรวมกัน (รักษา) มากกว่ากับวิธีการรักษาได้รับมอบหมายให้หน่วยทดลอง ได้ระบุไว้ว่าเราจะคิดว่าการรักษาจะได้รับมอบหมายให้หน่วยทดลองแบบสุ่ม ชุดปัจจัยระดับจะแล้วตรงกับ "การรักษา" ของแบบสุ่มสมบูรณ์ เราต้องตัดสินใจ ในสิ่งที่รวมกันปัจจัยระดับที่เราจะสังเกต Y คลาสสิก, โครงสร้างการรักษาปัจจัยยังไม่ได้รับการเรียกว่าออกแบบเพราะพวกเขาจัดการกับทางเลือกของระดับและการเลือกปัจจัยระดับรวมกัน (รักษา) มากกว่ากับวิธีการรักษาได้รับมอบหมายให้หน่วยทดลอง ได้ระบุไว้ว่าเราจะคิดว่าการรักษาจะได้รับมอบหมายให้หน่วยทดลองแบบสุ่ม ชุดปัจจัยระดับจะแล้วตรงกับ "การรักษา" ของแบบสุ่มสมบูรณ์ โครงสร้างการรักษาปัจจัยยังไม่ได้รับการเรียกว่าออกแบบ เพราะพวกเขาจัดการกับทางเลือกของระดับและการเลือกปัจจัยระดับรวมกัน (รักษา) มากกว่ากับวิธีการรักษาได้รับมอบหมายให้หน่วยทดลอง ได้ระบุไว้ว่าเราจะคิดว่าการรักษาจะได้รับมอบหมายให้หน่วยทดลองแบบสุ่ม ชุดปัจจัยระดับจะแล้วตรงกับ "การรักษา" ของแบบสุ่มสมบูรณ์ โครงสร้างการรักษาปัจจัยยังไม่ได้รับการเรียกว่าออกแบบ เพราะพวกเขาจัดการกับทางเลือกของระดับและการเลือกปัจจัยระดับรวมกัน (รักษา) มากกว่ากับวิธีการรักษาได้รับมอบหมายให้หน่วยทดลอง ได้ระบุไว้ว่าเราจะคิดว่าการรักษาจะได้รับมอบหมายให้หน่วยทดลองแบบสุ่ม ชุดปัจจัยระดับจะแล้วตรงกับ "การรักษา" ของแบบสุ่มสมบูรณ์

ผลลัพธ์ (ไทย) 3:

เราได้เห็น ว่า หนึ่ง - at - A - เวลาวิธีการตรวจสอบผลของสองปัจจัยในการตอบสนองเป็นเพียงเหมาะสำหรับสถานการณ์ที่ปัจจัยทั้งสองทำไม่โต้ตอบ แม้ว่านี้เป็นภาพประกอบ สำหรับกรณีที่เรียบง่ายซึ่งสองปัจจัยถูกตรวจสอบในแต่ละสองระดับ ความไม่เพียงพอของหนึ่ง - at - A - เวลาวิธีการเป็นสำคัญมากขึ้นเมื่อพยายามที่จะศึกษาผลของมากกว่าสองปัจจัยในการตอบสนองโครงสร้างการรักษา ซึ่งจะเป็นประโยชน์สำหรับการตรวจสอบผลกระทบของ สอง หรือปัจจัยในการตอบสนอง Y หรือไม่การมีอยู่ เหมือนก่อน ,เลือกจำนวนของระดับของแต่ละตัวแปร และ ค่าจริงของตัวแปรเหล่านี้เป็นสำคัญ อย่างไรก็ตาม สมมติว่าเราได้เลือกเหล่านี้กับความช่วยเหลือจากผู้ที่มีความรู้ในพื้นที่การตรวจสอบ เราต้องตัดสินใจที่สิ่งที่ระดับปัจจัย–ชุดเราจะสังเกต Yคลาสสิก , โครงสร้างการรักษา ซึ่งยังไม่ได้ถูกเรียกว่าแบบเพราะพวกเขาจัดการกับทางเลือกของระดับ และเลือกระดับและปัจจัยชุด ( การรักษา ) มากกว่าวิธีการรักษาที่ได้รับมอบหมายหน่วยทดลอง เว้นแต่จะระบุเป็นอย่างอื่น ถือว่าการรักษาเป็นมอบหมายให้หน่วยทดลองสุ่ม ชุดระดับแฟกทอเรียลจะจำกัดก็สอดคล้องกับ " การรักษา " ของแผนการทดลองแบบสุ่มตลอด