1.9: Факторный дизайн

Факторный анализ — это экспериментальный дизайн, в котором применяются статистические процедуры дисперсионного анализа (ANOVA) для изучения изменения зависимой переменной из-за более чем одной независимой переменной, также известной как факторы. Изменения в производительности труда могут быть обоснованы, например, влиянием заработной платы и других условий, таких как уровень квалификации. Один из способов проверить эту гипотезу — классифицировать заработную плату по трем уровням (низкий, средний и высокий), а наборы навыков — по двум уровням (начальный уровень и опытный).

именование

Этот научный подход обозначается ярлыком, который либо подчеркивает количество факторов, либо количество условий, проверяемых для каждой независимой переменной. Приведенный выше пример эксперимента можно описать как двусторонний факториальный ANOVA, поскольку он включает в себя две независимые переменные. Что касается количества уровней, учитываемых для заработной платы (низкий, средний и высокий) и наборов навыков (начальный уровень и опыт), этот же эксперимент также обозначен как схема 3 на 2, формально записанная как факторная ANOVA 3 x 2. Следует отметить, что вычисление произведения 3 и 2 означает, что в общей сложности наблюдается 6 комбинаций экспериментальных условий.

Преимущества расследования

Наблюдение за эффектами по крайней мере двух независимых переменных является более практичным и экономичным подходом. Это избавляет от необходимости тратить время и ресурсы на отдельные эксперименты. Кроме того, сбор данных для различных комбинаций условий позволяет исследователям проводить различные оценки, включая основные эффекты и эффекты взаимодействия.

Некоторые исследовательские вопросы могут потребовать понимания того, как каждый фактор может независимо влиять на зависимую переменную. Например, наблюдаемые изменения в показателях производительности труда из-за заработной платы отделены от изменений, связанных с уровнем квалификации, чтобы помочь определить основные эффекты для каждого из них. Результаты потенциально могут показать, что высокая производительность, обнаруженная у сотрудников начального уровня, может относиться или не относиться к тем, кто более опытен. Аналогичным образом, низкая производительность, которая может быть обнаружена у работников с низкой заработной платой, может проявляться или не проявляться при повышении заработной платы. Таким образом, способность распознавать, можно ли обобщить результаты на различные обстоятельства или групповые особенности, служит еще одним преимуществом для этого типа дизайна.

Эффект взаимодействия возникает, когда влияние независимой переменной на данную зависимую переменную зависит от уровня других исследуемых факторов. Например, можно обнаружить, что влияние заработной платы на производительность труда может быть более выраженным для работников начального уровня, чем для опытных сотрудников. Этот тип анализа позволяет исследователям получить более глубокое представление о закономерностях, которые могут возникнуть в наборе данных.

Последствия факторного анализа

Благодаря своей гибкости и практичности, факторный анализ продолжает оставаться одним из наиболее распространенных экспериментальных дизайнов, используемых во всех дисциплинах. Например, в недавнем исследовании изучалось, может ли поведение потребителей зависеть от того, является ли продукт утилитарным или гедонным. В дополнение к типу продукта, исследователи также включили изображение продукта (крупный план против общего плана) в качестве потенциального фактора, влияющего на решение о покупке. Эти исследователи также изучили, будет ли влиять тип техники убеждения, такой как рациональная или эмоциональная привлекательность (Kim, Lee, & Choi, 2019). Гедонистические продукты, как правило, завоевывают более благоприятное отношение, когда широкоугольное изображение сопровождается рекламой, вызывающей эмоции. Обратные результаты наблюдались для утилитарных продуктов в этом факторном ANOVA 2 x 2 x 2, также известном как трехфакторный ANOVA.