Jakie są metody klasteryzacji eksperymentu (losowe przydzielanie do grup)?

Klasteryzacja eksperymentu (losowe przydzielanie do klastrów) to metoda, w której losowe przydzielenie nie odbywa się na poziomie pojedynczych użytkowników, lecz na poziomie grup (klastrów), na przykład całych działów, regionów lub serwerów. Jest to stosowane, gdy niemożliwe lub niepożądane jest dzielenie użytkowników w obrębie klastra.

Główne metody klasteryzacji:

• Prosta losowa klasteryzacja: klastry są losowo przypisywane do grup eksperymentalnych i kontrolnych.

• Stratyfikowana losowa klasteryzacja: klastry są uprzednio dzielone na warstwy według ważnych cech (np. rozmiar, region), a następnie w każdej warstwie przeprowadza się losowe przydzielenie.

• Para klastrów: klastry są grupowane w pary o podobnych cechach, a w każdej parze jeden klaster trafia do eksperymentu, a drugi do kontroli.

• Wielopoziomowa losowa klasteryzacja: stosowana, gdy istnieje hierarchia klastrów (np. szkoły i klasy), i losowe przydzielenie może odbywać się na różnych poziomach.

Podczas analizy wyników ważne jest uwzględnienie korelacji wewnątrz klastra (intra-klastrowej korelacji), ponieważ dane w obrębie klastra mogą być zależne, co wpływa na moc statystyczną i wymaga specjalnych metod analizy (np. modele mieszane).

Przykład: jeśli eksperyment jest przeprowadzany na poziomie sklepów, to wszyscy klienci danego sklepu trafiają do jednej grupy, aby uniknąć mieszania efektów wewnątrz sklepu.