Jak wybrać projekt eksperymentalny

W badaniach rolniczych ważne jest, aby wybrać odpowiedni projekt eksperymentalny na początku próby, tak aby analizy przeprowadzone na koniec sezonu były statystycznie znaczące. Zanim przyjrzymy się bliżej różnym rodzajom projektów, warto poświęcić trochę czasu na zrozumienie, dlaczego ich potrzebujemy.

Załóżmy, że hodowca roślin wybiera dwie działki, które są tak podobne, jak to tylko możliwe i wysiewa tę samą odmianę na każdej z nich. Nawet jeśli hodowca traktuje każde poletko w identyczny sposób, gdy mierzy plony z każdego poletka, będą się one różnić.

Różnica ta nazywana jest błąd eksperymentalny. Aby hodowca mógł podjąć rozsądną decyzję dotyczącą wydajności dwóch lub więcej odmian, musi mieć oszacowanie błędu eksperymentalnego w próbie. Jeśli zmierzona różnica między odmianami jest większa niż błąd eksperymentalny, hodowca może mieć pewność, że jedna odmiana jest lepsza od drugiej. Hodowca ma do dyspozycji dwa narzędzia do pomiaru błędu eksperymentalnego: replikacja oraz randomizacja.

Powielanie pomaga w dokładniejszym oszacowaniu błędu eksperymentalnego, a randomizacja zapobiega wpływowi innych niekontrolowanych źródeł zmienności na wyniki.

Replikacja i randomizacja razem definiują projekt eksperymentalny i istnieje wiele popularnych typów, które zostały opracowane dla badaczy rolnictwa:

- Całkowicie randomizowany projekt
- Randomizowany pełny blok
- Kwadraty łacińskie
- Projekt podzielonej działki
- Strip Plot Desing

by wymienić tylko kilka.

Najbardziej odpowiedni projekt dla konkretnego badania będzie zależał od różnych ograniczeń badania, takich jak: liczba testowanych odmian, wielkość maszyn używanych do stosowania zabiegów, wielkość wykrywalnych różnic między zabiegami oraz zasoby wymagane (czas, przestrzeń i pieniądze) do przeprowadzenia badania.

Całkowicie randomizowany projekt jest najprostszym ze wszystkich projektów. W projekcie całkowicie randomizowanym prawdopodobieństwo przypisania każdego zabiegu do powierzchni jest jednakowe. Całkowicie randomizowany projekt ma wiele zalet: można pomieścić dowolną liczbę zabiegów i replikacji; analiza jest prosta i może łatwo poradzić sobie z brakującymi powierzchniami; stopnie swobody błędu są wyższe niż jakikolwiek inny projekt o tej samej liczbie zabiegów, co pozwala na dokładniejsze oszacowanie błędu eksperymentalnego.

Całkowicie randomizowane projekty mają jedną wadę, ponieważ wymagają, aby poletka były mniej lub bardziej jednolite. Jeśli istnieje wysoki stopień zmienności na poletkach, na przykład z powodu zmienności gleby, wówczas oszacowanie błędu eksperymentalnego będzie mniej dokładne, a prawdziwe różnice między zabiegami mogą nie być wykrywalne.

Zazwyczaj w pełni randomizowane projekty są stosowane, gdy wiadomo, że teren testowy jest szczególnie jednolity. Mogą one być również bardzo przydatne w scenariuszach, w których oczekuje się, że duża liczba poletek nie powiedzie się podczas próby, ponieważ analiza ocalałych poletek pozostaje prosta.

Randomizowany kompletny projekt blokowy jest zdecydowanie najczęstszym projektem eksperymentalnym spotykanym obecnie wśród badaczy rolnictwa. Działki są grupowane w bloki na podstawie ich podobieństwa, np. podobnych typów gleby. Działki są następnie przypisywane do zabiegów w taki sposób, że każdy zabieg występuje raz w każdym bloku. W związku z tym każdy blok zawiera wszystkie możliwe zabiegi, stąd projekt "kompletnego bloku".

Planując kompletny projekt blokowy, badacz musi upewnić się, że wszelka zmienność w bloku jest zminimalizowana, podczas gdy zmienność między blokami powinna być zmaksymalizowana. Jeśli zmienność w miejscu badania jest niewielka, bloki można umieścić obok siebie. Jeśli jednak istnieje gradient zmienności w miejscu, w którym ma być zlokalizowany test, bloki powinny być ułożone w liniach prostopadłych do gradientu. W rzeczywistości nie ma potrzeby, aby bloki sąsiadowały ze sobą ze względów praktycznych związanych z pomiarami i działaniami terapeutycznymi.

Może to być przydatne na przykład w przypadku, gdy lokalizacja prób obejmuje różne rodzaje gleby.

Jak sama nazwa wskazuje, projekt ten tworzy kwadrat podzielony na równą liczbę rzędów i kolumn. Każdy zabieg lub odmiana jest umieszczana tak, aby pojawiła się dokładnie raz w każdym rzędzie i kolumnie.

Główną zaletą projektu kwadratu łacińskiego jest to, że może on uwzględniać dwa źródła zmienności w miejscu prowadzenia prób. Na przykład pole, na którym przeprowadzany jest test, może mieć gradient żyzności w jednym kierunku i nachylenie w innym.

Modele kwadratu łacińskiego nie są często stosowane w badaniach rolniczych, ponieważ mają kilka wad w porównaniu z innymi modelami. Po pierwsze, ponieważ liczba poletek jest kwadratem liczby zabiegów, testy mogą stać się bardzo duże i kosztowne w przeprowadzeniu. Po drugie, wszelkie błędy popełnione podczas próby, takie jak niewłaściwie zastosowane zabiegi, mogą utrudnić analizę danych.

Po trzecie, jeśli zabiegów jest niewiele (mniej niż 4), stopnie swobody błędu są niskie, co z kolei skutkuje większym oszacowaniem błędu eksperymentalnego.

W badaniach rolniczych powszechne jest stosowanie wielu czynników, na przykład testowanie trzech różnych dawek azotu w połączeniu z trzema różnymi rodzajami upraw. Można to osiągnąć za pomocą randomizowanego kompletnego projektu blokowego, w którym każda kombinacja dwóch czynników występuje w każdym bloku. Jednak niektóre zabiegi mogą być trudne lub niemożliwe do zastosowania w ten sposób.

Sprzęt uprawowy jest zwykle w skali gospodarstwa komercyjnego i wymaga dużych poletek, podczas gdy azot może być stosowany ręcznie na znacznie mniejszych poletkach.
Aby poradzić sobie z tymi komplikacjami, badacz rolnictwa ma do dyspozycji projekt podzielonego poletka. W tym projekcie jeden czynnik jest przypisany do dużych poletek w randomizowanym, kompletnym projekcie blokowym. Te duże poletka są następnie dzielone na mniejsze poletka, na których losowo stosuje się zabiegi drugiego czynnika.

Jak opisano powyżej, główną zaletą projektów podzielonych poletek jest umożliwienie bardziej efektywnej obsługi czynników leczenia, które wymagają różnych rozmiarów poletek. Projekty podzielonych poletek pozwalają również na dodanie nowych zabiegów do trwającego eksperymentu poprzez dodanie większej liczby dużych poletek do bloków.

Ponieważ istnieją dwa rozmiary poletek, projekty podzielonych poletek generują dwa błędy eksperymentalne, po jednym dla każdego rozmiaru. Może to często oznaczać, że potrzebne są duże różnice w obserwacjach, aby wykazać znaczącą różnicę. Wadą tego rozwiązania jest również to, że wymaga ono bardziej złożonej analizy.

Przydatną odmianą projektu podzielonego poletka jest projekt poletka pasowego. W okolicznościach, w których każdy czynnik jest najłatwiejszy do zastosowania w przejściach lub pasach, można zastosować projekty poletek pasowych. W tych projektach jeden czynnik jest przypisany do pasów biegnących w każdym bloku, a każdy blok ma własną randomizację. Drugi czynnik jest następnie stosowany w pasach prostopadłych do pierwszego, ponownie z unikalną randomizacją dla każdego bloku.

Rezultat przypomina szachownicę zabiegów. Projekty poletek pasowych mają podobne zalety i wady do projektów poletek dzielonych, głównie umożliwiając efektywną konfigurację próby.