Jaké jsou metody klastrování experimentu (náhodné rozdělení do skupin)?

Klastrizace experimentu (náhodné rozdělení do klastrů) je metoda, při které nedochází k náhodnému přiřazení na úrovni jednotlivých uživatelů, ale na úrovni skupin (klastrů), například celých oddělení, regionů nebo serverů. Používá se, když není možné nebo není žádoucí rozdělovat uživatele uvnitř klastru.

Hlavní metody klastrizace:

• Jednoduchá náhodná klastrizace: klastrů jsou náhodně rozděleny do experimentálních a kontrolních skupin.

• Stratifikovaná náhodná klastrizace: klastrů jsou předem rozděleny do vrstev podle důležitých znaků (například velikost, region), a uvnitř každé vrstvy se provádí náhodné přiřazení.

• Párová klastrizace: klastrů jsou seskupeny do párů s podobnými vlastnostmi, a v každém páru jeden klastr jde do experimentu, druhý do kontroly.

• Víceúrovňová náhodná klastrizace: používá se, pokud existuje hierarchie klastrů (například školy a třídy), a náhodné přiřazení může probíhat na různých úrovních.

Při analýze výsledků je důležité vzít v úvahu intra-klastrovou korelaci, protože data uvnitř klastru mohou být závislá, což ovlivňuje statistickou sílu a vyžaduje speciální metody analýzy (například smíšené modely).

Příklad: pokud je experiment prováděn na úrovni obchodů, všichni zákazníci jednoho obchodu jsou zařazeni do stejné skupiny, aby se zabránilo míchání efektů uvnitř obchodu.