|
发表于 2006-10-10 10:51:43
|
显示全部楼层
re:本来不太想回这个帖,不过看大家讨论这么热...
本来不太想回这个帖,不过看大家讨论这么热烈,还是把一些实验上的问题跟大家分享好了。
如果实验设计者的统计功力够强,实验是可以有技巧的尽量达到厂家想要的目的(当然如果产品真的太差,神仙也救不了)。
熟悉统计学的人都会有个基本概念,差异检定的重点是考虑做对比的几个组,其差异是不是随机造成的?所以前面有朋友提到组内差异与组外差异的问题,这些在统计分析过程中,都会被考虑进去,因此你可以相信统计结果。但是很重要的是,统计分析的结果,与实验单位(experimental unit, EU)有很大的关系。
举个简单的例子如果A、B二个对比组,各有三个实验单位,检测结果分别是A组为0,1,2(平均为1),B组为9,10,11(平均为10)。这种结果不需要统计,用看的就知道二个组差异很大。但若实验结果是A组为1,10,29(平均为10),B组为1,10,49(平均为20),你很难确定B组和A组是不是真的有差异,可能差异是来自检测方法本身的误差。所以一般都会建议增加实验单位,让受测的实验单位增加,就可解决这个问题。也就是说,如果AB二个组各检测100个实验单位,结果A组平均是10,B组平均是20,这样的结果会比较有说服力。
我想上述的观念,做过对比实验的人应该都了解。但下面这个观念可能很多人没注意到!
如果我们使用大量的实验单位来进行对比试验,例如各找100,000条猪来比较,那不管差异多小,几乎都会显现出来。假设二个产品的料肉比差异只有0.0001,那你用3条猪、5条猪做实验,肯定看不出差异。但是当你用二十万条猪做实验,就可能统计出这非常细微的差异。但是反过来想,料肉比差0.0001对我们有什么意义吗?
A饲料可能每公斤贵0.1元,但料肉比只增加0.0001,这样客户会买A产品吗?
所以统计分析中有个观念非常重要,实验并不是实验单位越多越好!如何根据实验目的计算最适当且最经济的实验单位数,才是实验最初要考量的。实验设计的过程中,必须掌握一些讯息。有几个指标会影响对比实验的实验单位数,如和对照组的预测差异、实验方法的标准误(standard error)或标准差(standard deviation)、以及犯第一类与第二类错误的机率(即α与β值)。这几个指标有些是参考过去的资料,有几个是你愿意承受的风险,这些都必须在实验之初就设定好,并根据这些数据去估算实验数。
很多人做实验,是在收到数据后进行分析发现P<0.05,就说有显著差异,这是不恰当的实验设计流程与结论。有时我们会把α订为0.10或0.01,对于订为0.10所计算出来的实验单位数,最后结果只要P<0.1就算有显著差异了。但若设定为0.01,那就算分析出来P=0.02(0.01<P<0.05),还是不能下有显著差异这样的结论。这涉及到β值的问题,即犯第二类错误的风险会改变。
我对楼主有个建议,如果你真的对对比试验有兴趣,去修“实验设计学”、“应用统计学”、“数量流行病学”这类的课程才是对你有帮助的。虽然畜牧人网站上的高手很多,也回了不少正确的建议,但没办法给你完整的观念。如果你没办法去修这些课,又必须做这方面的实验,那在实验设计部分,可能需要外包给懂这门科学的专家团队。
我曾有些实验委托大学的教授策划与执行,结果很惨。实验计划书拿到手后,看着没有目的的资料收集所形成的前言,没有量化的实验目的,不恰当的实验设计,没有估算的实验单位,没有方法出处来源与详列的检测步骤,以及不恰当的统计分析方法。最后只好自己收集国内外资料,重新撰写一份实验计划书
从另一个角度来看,这也是为什么国内厂家的报告不被大多数农民信赖的原因。错误的实验设计导致错误的结果,但厂家却深信不疑,导致农民误会这是厂家蓄意造假。 |
|