统计之都 » 试验设计

如何设计一个试验

刘飞燕 — Fri, 08 May 2009 10:24:49 +0000

R·A·费歇尔爵士说在试验设计中经历的不是一个试验而是一种经验。

在静静地看了几遍David Freedman等著的《统计学》中关于试验设计的部分后，总觉得应该写点东西发泄一下。该书自从买来就一直放在书架很久没动，也懒得动，因为翻翻前面觉得太简单。最近心情比较平静，翻了翻试验设计部分，同时思考现实中的类似例子，觉得挺有味道的。

试验设计包括很多内容，比如大家可能都熟知的正交表构造、区组设计、拉丁方设计、饱和设计等，而书在这部分所说的试验设计主要讲在实际中如何设计一个试验，尤其是只考虑单因素的试验设计，即如何设计一个试验或通过观察研究来辨别一个因子（定性或定量）是否会带来某种特定结果，比如吸烟是否会导致肺癌。我们都知道，一个因子的效应是否显著，最常用的办法就是对照比较了。但是如何对照比较？在现实中很多人都会犯错，因为大家都往往会忽视比较的前提或基础，夸张一点说就像一个大人和一个小孩进行100米赛跑，他们的最终成绩是没有比较的意义的。

比较好的一个方法就是随机对照双盲试验：比较对照的基础是要在分组之前保证试验对象除了待研究的因子之外其他条件尽可能相似，或者说来自于同一母体；然后随机分组，比如用抛硬币决定分组等；”双盲”即试验对象和评估反应的人员对于分组一无所知，只有试验研究人员知道所有的分组。理论能给予也许就是以上一些文字，而在实际中具体设计这样一个试验时发现很多问题迎面而来。有时真的不得不感叹”实践处处皆智慧”，难怪说试验设计不仅是一门科学还是一门艺术呢！

举个例子说明随机对照双盲试验（我也是借花献佛，引用书中的例子，主要还是实践经验的匮乏啊！）美国在1916年遭受了脊髓灰质炎的袭击，受袭击的主要对象是1、2、3年级年龄段的学生，后来开发出了一种疫苗，然而该疫苗对于防止脊髓灰质炎是否有效呢？具体做试验时如何选择试验对象，可以随便选一个学区吗？这种疫苗会不会带来更大范围的脊髓灰质炎儿童呢？（人毕竟不是小白鼠啊！尤其是药物试验便会涉及到这样的道德问题。）最后美国卫生总署选定的学区是据信脊髓灰质炎最严重的一个学区。确定了这个学区后，就要来选择具体的试验对象，选哪个年级呢？具体又选哪些儿童呢？在试验过程中有相当部分孩子的父母因为各种原因拒绝参加这样一个试验。另外，在试验过程中还发现生活在卫生条件较差家庭的儿童由于来自母亲的抗体而能经受更厉害的传染，而生活在卫生条件好家庭的儿童往往更容易感染脊髓灰质炎。最后找到这样一个母体：试验对象的父母均同意注射疫苗，家庭背景等方面相似，那些看来会明显影响处理因子的混杂因素都尽可能相似了。在确定了这样一个母体以后再分组，负责评估反应的医生是不能参与分组的，主要是为了减少医生的主观偏性。一个不错的方法就是抛硬币，正面的一组，反面的一组，试验的儿童虽然可能知道他抛出的正面还是反面，但却不知道自己到底是处理组还是对照组。接下来试验就可以正式开始了。

其实随机对照试验主要还是要避免来自各方面的偏性，从而保证研究结果的准确性。而偏性主要来源于其他因子效应的混淆。

随机对照试验看来是非常不错的测定某一因子的效应是否显著的方法，然而在实际中却很少有这样的施展机会，比如研究吸烟是否会导致肺癌，吸烟者哪有时间陪你做一个为期十年的试验，这时就需要从观察中分析研究。在观察研究中依然要运用随机对照的思想，比如我们研究吸烟与心脏病的关系，那么吸烟以外的一系列因素就要控制好，比如限定是男性吸烟者，处于某个年龄段的吸烟者（作为处理组），另外该年龄段的男性未吸烟者作为对照组（其中可能还有其他的一些因素需要控制，不一一列举），然后跟踪记录。相关联并不等于因果。一般人的认识似乎是经常吸烟的人得肺病、心脏病的较多，但是不要忘记表面的现象可能是由很多因素混杂在一起而导致的，因此不能轻易判断两者之间存在因果关系。统计学教育我们，凡事不能从表面判断，原因是复杂的，我们要做的就是要找出真正的原因（就像电视剧《少年包青天》中的那句经典台词”真相只有一个”，呵呵），这也是统计学带给我乐趣的一个重要原因。

观察研究中还有这样一种情况：以某种检查和乳腺癌的关系为例，为了研究该种检查是否可以降低乳腺癌带来的死亡率，有62000名40至64岁的妇女被选作试验对象，她们被随机分到两个组，处理组中妇女接受年度的该种检查，而对照组则是做一般的常规性检查。但是跟踪发现处理组只有10800名妇女接受年度检查，有些拒绝检查（主要原因可能还是家庭经济状况）。另外对照组也并不会因为是对照组而不去检查，对照组中也会有一小部分人”偷偷”去接受检查。这样的情况又如何比较，如何得出研究结论呢？

说试验设计是一项艺术，是因为其中有很多经验或技巧的东西在里面吧，通过这些经验或技巧可以更好地对处理因子以外的混杂因素有一个较好的控制。因此，在具体做试验设计的时候更需要从实际出发，融入实际，发掘出真正的原因。

浅析试验设计 (4)

浅析试验设计

李浩成 — Thu, 27 Nov 2008 14:51:03 +0000

试验设计是研究计划内关于研究方法与步骤的一项内容。在各种研究工作中，无论试验室研究、临床疗效观察或现场调查，在制订研究计划时，都应根据试验的目的和条例，结合统计学的要求，针对试验的全过程，认真考虑试验设计问题。一个周密而完善的试验设计，能合理地安排各种试验因素，严格地控制试验误差，从而用较少的人力、物力和时间，最大限度地获得丰富而可靠的资料。反之，如果试验设计存在着缺点，就可能造成不应有的浪费，且足以减损研究结果的价值。总之，试验设计是试验过程的依据，是试验数据处理的前提，也是提高科研成果质量的一个重要保证。

一、试验设计的基本内容

（一）拟定相互比较的处理

所谓处理，指的是在试验研究中欲施加给受试对象的某些因素。如营养试验的各种饲料，治疗某病的几种疗法或药物，药理研究中某药的各种剂量等。在试验的全过程中，处理因素要始终如一保持不变，按一个标准进行试验。如果试验的处理因素是药物，那么药物的成份、含量、出厂批号等必须保持不变。如果试验的处理因素是手术，那么就不能开始时不熟练，而应该在试验之前使熟练程度稳定一致。

（二）确定试验对象及数量

这里指的是试验所用的动物或活体组织标本等。在试验设计中，要根据试验观察的目的与内容，明确规定采用什么样的试验对象，试验对象中的每个试验单位必须具备的条件与要求，以保证受试对象的一致性。试验对象需要有一定的数量，例数不能太少，也不宜过多。

（三）确定将各试验单位分配到各种处理中去的原则
这主要是随机分配或随机化问题。

（1）完全随机化设计(completely randomized design)
完全随机化设计是指：指可控制的因素的各个水平——“处理”，被随机地指派给试验单元的一种设计。“试验单元(experiment unit)”是接受“处理”的对象或实体。在试验性研究中，感兴趣的变量是明确规定的，因此，研究中的一个或多个因素可以被控制，使得数据可以按照因素如何影响变量来获取。对完全随机化设计的数据采用单因素方差分析

（2）随机化区组设计(randomized block design)
先按一定规则将试验单元划分为若干同质组，称为“区组(Block)”。再将各种处理随机地指派给各个区组设计就是随机化区组设计。试验数据采用无重复双因素方差分析

（3）因子设计(factorial design)
如果感兴趣的因素有两个，如小麦品种和施肥方式。假定有甲、乙两种施肥方式，这样三个小麦品种和两种施肥方式的搭配共有3×2=6种。如果我们选择30个地块进行试验，每一种搭配可以做5次试验，也就是每个品种(处理)的样本容量为5，即相当于每个品种(处理)重复做了5次试验。考虑两个因素(可推广到多个因素)的搭配试验设计称为因子设计。该设计主要用于分析两个因素及其交互作用对试验结果的影响。试验数据采用可重复双因素方差分析

（四）拟定观察项目和登记表
要根据研究目的和任务，选择对说明试验结论最有意义，并具有一定特异性、灵敏性、客观性的观察项目。必要的项目不可遗漏，数据资料应当完整无缺；而无关紧要的项目就不必设立，以免耗费人力物力，拖延整个试验的时间，尔后，要按照观察项目之间的逻辑关系与顺序，编制成便于填写和统计的登记表，以便随时记录试验过程中获得的数据资料。

（五）拟定对资料整理分析的预案
这就是对将获得的数据资料准备如何进行整理？要计算哪些统计指标？用什么统计分析方法？事先必须有个初步的设想。例如对计数资料，是计算率还是百分比？若计算率，分子是什么？分母是什么？各组同一项目的某个率或百分比如何进行比较？又如对计量资料，是计算算术均数、几何均数还是中位数？同一项目各均数间应采用什么方法作比较？切忌试验设计时不认真考虑，试验过后拿数字去找统计方法。

二、试验设计的“三要素”

（一）试验对象
试验所用的材料即为试验对象。如用小鼠做试验，小鼠就是本次试验的试验对象，或称为受试对象。试验对象选择的合适与否直接关系到试验实施的难度，以及别人对试验新颖性和创新性的评价。一个完整的试验设计中所需试验材料的总数称为样本含量。最好根据特定的设计类型估计出较合适的样本含量。样本过大或过小都有弊端。

（二）试验因素
所有影响试验结果的条件都称为影响因素，试验研究的目的不同，对试验的要求也不同。影响因素有客观与主观，主要与次要因素之分。研究者希望通过研究设计进行有计划的安排，从而能够科学地考察其作用大小的因素称为试验因素（如实验对象的种类、剂量、浓度、作用时间等）；对评价试验因素作用大小有一定干扰性且研究者并不想考察的因素称为区组因素或称重要的非试验因素（如动物的窝别、体重等）；其他未加控制的许多因素的综合作用统称为试验误差。最好通过一些预试验，初步筛选试验因素并确定取哪些水平较合适，以免试验设计过于复杂，试验难以完成。

（三）试验效应
试验因素取不同水平时在试验单位上所产生的反应称为试验效应。试验效应是反映试验因素作用强弱的标志，它必须通过具体的指标来体现。要结合专业知识，尽可能多地选用客观性强的指标，在仪器和试剂允许的条件下，应尽可能多选用特异性强、灵敏度高、准确可靠的客观指标。对一些半客观（比如读pH试纸上的数值）或主观指标（对一些定性指标的判断上），一定要事先规定读取数值的严格标准，只有这样才能准确地分析自己的试验结果，从而也大大提高了自己试验结果的可信度。

三、试验设计的“六原则”

（一）随机原则：即运用“随机数字表”实现随机化；运用“随机排列表”实现随机化；运用计算机产生“伪随机数”实现随机化。尽量运用统计学知识来设计自己的试验，减少外在因素和人为因素的干扰。

（二）对照原则：空白对照组的设立——只有通过对照的设立我们才能清楚地看出试验因素在当中所起的作用。当某些处理本身夹杂着重要的非处理因素时，还需设立仅含该非处理因素的试验组为试验对照组；历史或中外对照组的设立一一这种对照形式应慎用，其对比的结果仅供参考，不能作为推理的依据；多种对照形式同时并存。

（三）重复原则：所谓重复原则，就是在相同试验条件下必须做多次独立重复试验。一般认为重复5次以上的试验才具有较高的可信度。

（四）平衡原则：一个试验设计方案的均衡性好坏，关系到试验研究的成败。应充分发挥具有各种知识结构和背景的人的作用，群策群力，方可有效地提高试验设计方案的均衡性。在试验设计的过程中要注意时间上的分配，只有在时间上分配好了，才不会出现一段时间特别忙而一段时间特别闲的情况。

（五）弹性原则：所谓空格，指的是在时间分配图上留有空缺。适当的空缺是非常必要的，只有这样才能富有弹性的实施试验计划，并不断地调整好自己的试验进度。

（六）最经济原则：不论什么试验，都有它的最优选择方案，这包括在资金的使用上，也包括人力时间的损耗上，必要时可以预测一下自己试验的产出和投入的比值，这个比值越大越好，当然是以你所拥有的试验条件作基础的。

参考文献：
1．贾俊平等著.统计学.人民大学出版社.2004.6
2．刘文卿著.试验设计.清华大学出版社。2005.2

如何设计一个试验 (7)