Welche Methoden der Clusterung des Experiments (Cluster-Randomisierung)?

Die Clusterung eines Experiments (Cluster-Randomisierung) ist eine Methode, bei der die Randomisierung nicht auf Ebene einzelner Nutzer erfolgt, sondern auf Ebene von Gruppen (Clustern), z.B. ganze Abteilungen, Regionen oder Server. Dies wird verwendet, wenn es unmöglich oder unerwünscht ist, Nutzer innerhalb eines Clusters zu teilen.

Hauptmethoden der Clusterbildung:

• Einfache Cluster-Randomisierung: Die Cluster werden zufällig auf experimentelle und Kontrollgruppen verteilt.

• Stratifizierte Cluster-Randomisierung: Die Cluster werden vorab nach wichtigen Merkmalen (z.B. Größe, Region) in Schichten eingeteilt, und innerhalb jeder Schicht erfolgt die Randomisierung.

• Paarweise Cluster-Randomisierung: Die Cluster werden in Paare mit ähnlichen Eigenschaften gruppiert, und in jedem Paar geht ein Cluster in das Experiment, das andere in die Kontrolle.

• Mehrstufige Randomisierung: Wird verwendet, wenn eine Hierarchie von Clustern besteht (z.B. Schulen und Klassen), kann die Randomisierung auf verschiedenen Ebenen erfolgen.

Bei der Analyse der Ergebnisse ist es wichtig, die intra-cluster Korrelation zu berücksichtigen, da die Daten innerhalb eines Clusters abhängig sein können, was die statistische Power beeinflusst und spezielle Analysemethoden erfordert (z.B. gemischte Modelle).

Beispiel: Wenn das Experiment auf Ebene der Geschäfte durchgeführt wird, fallen alle Kunden eines Geschäfts in eine Gruppe, um Effekte innerhalb des Geschäfts nicht zu vermischen.