Kādi ir eksperimenta klasterizācijas metodes (klasteru nejauša sadale)?

Eksperimenta klasterizācija (klasteru nejauša sadale) ir metode, kurā nejaušā sadale nenotiek individuālo lietotāju līmenī, bet grupu (klasteru), piemēram, visu nodaļu, reģionu vai serveru līmenī. To izmanto, ja nav iespējams vai nevēlami sadalīt lietotājus klastera ietvaros.

Galvenās klasterizācijas metodes:

• Vienkārša klasteru nejauša sadale: klasteri nejauši sadalās eksperimentālajās un kontroles grupās.

• Stratificēta klasteru nejauša sadale: klasteri iepriekš sadalās pēc svarīgām īpašībām (piemēram, lieluma, reģiona), un katrā slānī tiek veikta nejauša sadale.

• Pāru klasteru sadale: klasteri tiek grupēti pāros ar līdzīgām īpašībām, un katrā pāri vienam klasterim ir eksperimentālais, bet otram — kontroles klasteris.

• Daudzlīmeņu nejauša sadale: tiek izmantota, ja pastāv hierarhija klasteriem (piemēram, skolas un klases), un sadale var notikt dažādos līmeņos.

Rezultātu analīzē ir svarīgi ņemt vērā iekšējo klastera korelāciju (intra-klastera korelācija), jo dati iekšienē var būt atkarīgi, kas ietekmē statistisko jaudu un prasa īpašas analīzes metodes (piemēram, jauktos modeļus).

Piemērs: ja eksperiments tiek veikts veikalos, tad visi viena veikala klienti tiek iekļauti tajā pašā grupā, lai novērstu efektu sajaukšanos iekšienē.