Меня попросили предложить курс по экспериментальному проектированию для продвинутых аспирантов по агрономии и экологии. Я никогда не брал такой курс, и с удивлением обнаружил, что этот курс может быть более удачно назван «За пределами одностороннего ANOVA», и что он охватывает материал, который я изучил в продвинутом выпускном курсе по статистике для сельскохозяйственных полевых экспериментов (например, RCBD, латинские квадраты, контрасты, повторные измерения и ковариаты). Возможно, меня смущает название «Экспериментальный дизайн», а не «Анализ экспериментальных результатов».
У меня есть некоторые идеи о том, что должен содержать такой курс, и я был бы признателен за отзывы о том, как он может быть интегрирован в учебную программу по статистике, которая отвечает потребностям студентов, и в то же время представляет современные альтернативы именным спискам образцов и связанных с ними тестов.
Например, я не могу представить, как учить студентов использовать линейные и квадратичные контрасты с ANOVA, который обеспечивает категоризацию непрерывных переменных, когда я мог бы научить их сравнивать регрессионные модели с линейными и квадратичными функциями. Во втором случае они также научились бы иметь дело с факторами, которые не определены экспериментально дискретными значениями. Во всяком случае, я мог бы сравнить два подхода.
Если бы я преподавал курс «Дизайн эксперимента», я бы действительно хотел подчеркнуть основные понятия, которые не зависят от применяемой статистической модели и которые более широко транслировались бы в другие проблемы. Это позволило бы студентам более гибко использовать современные статистические подходы.
Некоторые из соответствующих концепций, которые, как представляется, не охватываются существующим курсом, включают в себя:
- иерархические и смешанные модели (из которых я понимаю ANOVA и родственников в качестве одного примера)
- сравнение моделей (например, для замены контрастов)
- использование пространственных моделей вместо блоков в качестве «факторов»
- репликация, рандомизация и IID
- различия между проверкой гипотез, р-взломом и распознаванием образов.
- анализ мощности посредством моделирования (например, восстановление параметров из смоделированных наборов данных),
- предварительная регистрация,
- использование предшествующих знаний из опубликованных исследований и научных принципов.
Есть ли курсы, которые в настоящее время используют такой подход? Какие-нибудь тексты книг с таким акцентом?