Aké metódy klastrovania experimentu (náhodné rozdelenie do skupín)?

Klastrizácia experimentu (náhodné rozdelenie do klastrov) je metóda, pri ktorej sa náhodné rozdelenie ne vykonáva na úrovni jednotlivých používateľov, ale na úrovni skupín (klastrov), napríklad celých oddelení, regiónov alebo serverov. Toto sa používa, keď nie je možné alebo nie je žiaduce deliť používateľov v rámci klastru.

Hlavné metódy klastrizácie:

• Jednoduchá náhodná klastrizácia: klastre sa náhodne rozdelia na experimentálne a kontrolné skupiny.

• Stratifikovaná náhodná klastrizácia: klastre sa vopred rozdelia do vrstiev podľa dôležitých znakov (napríklad veľkosť, región), a vo vnútri každej vrstvy sa vykoná náhodné rozdelenie.

• Párová klastrizácia: klastre sa zoskupia do párov s podobnými vlastnosťami, a v každom páre jeden klaster ide do experimentu, druhý do kontroly.

• Viacúrovňová náhodná klastrizácia: sa používa, ak existuje hierarchia klastrov (napríklad školy a triedy), a rozdelenie môže prebiehať na rôznych úrovniach.

Pri analýze výsledkov je dôležité zohľadniť intra-klastrovú koreláciu, pretože údaje vnútri klastru môžu byť závislé, čo ovplyvňuje štatistickú silu a vyžaduje špeciálne metódy analýzy (napríklad zmiešané modely).

Príklad: ak sa experiment vykonáva na úrovni obchodov, všetci zákazníci jedného obchodu patria do jednej skupiny, aby sa zabránilo miešaniu efektov vnútri obchodu.