知识卡片
区组数量不是越多越好
[[随机区组实验:先分层再分组]]增加解释项可降低残差平方和,但也消耗残差自由度。只有前者收益足以抵过后者损失,残差均方MSE才降低,检验才可能更有力。类别过碎、小样本或低预测力的区组未必划算。这里应区分区组平方和、处理组平方和和残差平方和,不能只按SSE缩写判断;特征重叠另见[[区组特征的选择标准]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第8章 提高实验效能 8.3 随机区组实验应用步骤 · 查看原书依据
通过观察我们发现,当前实验的总差异TSS被分解为三个部分:组内差异、组间差异和区组间差异。其中组间差异的计算并没有因为加入区组而产生变化,但是由于样本差异中的一部分是由区组带来的,所以这部分差异被SSBlock单独剥离,组内差异则从原来的TSS-SST下降到了TSS-SST-SSBlock。对于MSE来说,在区组选择合理的情况下,分子(SSE)的减小幅度会大于分母(自由度)减小的幅度,所以MSE会变小,F统计量会变大。因此采用随机区组的
参考来源
- 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第8章 提高实验效能,8.3 随机区组实验应用步骤(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0045.xhtml)
- 结论依据:原文明确"在区组选择合理的情况下,分子(SSE)的减小幅度会大于分母(自由度)减小的幅度,所以MSE会变小,F统计量会变大",说明区组是否有效取决于SSE减小与自由度减小的相对大小,而非区组数量本身。
- 原始内容:通过观察我们发现,当前实验的总差异TSS被分解为三个部分:组内差异、组间差异和区组间差异。其中组间差异的计算并没有因为加入区组而产生变化,但是由于样本差异中的一部分是由区组带来的,所以这部分差异被SSBlock单独剥离,组内差异则从原来的TSS-SST下降到了TSS-SST-SSBlock。对于MSE来说,在区组选择合理的情况下,分子(SSE)的减小幅度会大于分母(自由度)减小的幅度,所以MSE会变小,F统计量会变大。因此采用随机区组的