Blocco nelle statistiche: definizione ed esempio

Spesso negli esperimenti i ricercatori vogliono comprendere la relazione tra una variabile esplicativa e una variabile di risposta .

Sfortunatamente, negli studi sperimentali compaiono spesso variabili di disturbo , variabili che influenzano la relazione tra la variabile esplicativa e la variabile di risposta ma che non interessano i ricercatori.

Ad esempio, supponiamo che i ricercatori vogliano comprendere l’effetto di una nuova dieta sulla perdita di peso. La variabile esplicativa è la nuova dieta e la variabile di risposta è il grado di perdita di peso.

Tuttavia, una variabile del disturbo che può causare variazioni è il genere . È probabile che il sesso di un individuo influisca sulla quantità di peso perso, indipendentemente dal fatto che la nuova dieta funzioni o meno.

Panoramica del blocco

Un modo comune per controllare l’effetto delle variabili fastidiose è attraverso il blocco , che prevede la divisione degli individui in un esperimento in base al valore di una variabile fastidiosa.

Nel nostro esempio precedente, inseriremo gli individui in uno dei due blocchi seguenti:

• Maschio
• Femmina

Quindi, all’interno di ciascun blocco, assegneremmo casualmente gli individui a uno dei due trattamenti:

• Una nuova dieta
• Una dieta standard

In questo modo, la variazione all’interno di ciascun blocco sarebbe molto inferiore alla variazione tra tutti gli individui e saremmo in grado di comprendere meglio come la nuova dieta influisce sulla perdita di peso controllando il sesso.

Per illustrare ciò, si consideri la tabella seguente che mostra la perdita di peso totale di 16 persone che hanno partecipato allo studio:

A prima vista, non sembra che la nuova dieta sia associata ad un aumento della perdita di peso.

Tuttavia, una volta divisi gli individui in due blocchi in base al sesso, diventa chiaro che la nuova dieta sembra essere associata ad un aumento della perdita di peso:

Mettendo gli individui in blocchi, la relazione tra la nuova dieta e la perdita di peso è diventata più chiara poiché siamo stati in grado di controllare la variabile disordinata del genere.

Altri esempi di blocco

Il genere è una variabile fastidiosa comune da utilizzare come fattore di blocco negli esperimenti, perché uomini e donne tendono a rispondere in modo diverso a un’ampia varietà di trattamenti.

Tuttavia, altre variabili fastidiose comuni che possono essere utilizzate come fattori di blocco includono:

• fascia d’età
• Gruppo di reddito
• Livello di educazione
• Quantità di esercizio
• Regione

A seconda della natura dell’esperimento è possibile utilizzare anche più fattori di blocco contemporaneamente. Tuttavia, in pratica ne vengono solitamente utilizzati solo uno o due, poiché più fattori bloccanti richiedono dimensioni del campione più grandi per ottenere risultati significativi.

Variabili dannose e variabili nascoste

Nell’esempio precedente, il sesso era una variabile nota del disturbo che i ricercatori ritenevano influenzasse la perdita di peso. Tuttavia, spesso negli esperimenti ci sono anche variabili nascoste , cioè variabili che influenzano anche la relazione tra una variabile esplicativa e una variabile di risposta, ma che sono sconosciute o semplicemente non incluse nello studio perché è difficile raccogliere dati al riguardo.

Ad esempio, supponiamo che ogni individuo abbia una disciplina innata su cui può fare affidamento per perdere più peso. Poiché la disciplina è difficile da misurare, non è inclusa come fattore di blocco nello studio, ma un modo per controllarla è utilizzare la randomizzazione .

Assegnando in modo casuale gli individui alla nuova dieta o alla dieta standard, i ricercatori possono massimizzare la possibilità che il livello complessivo di disciplina degli individui tra i due gruppi sia approssimativamente uguale.

Pertanto, in qualsiasi esperimento che utilizza il blocco, è anche importante assegnare casualmente gli individui ai trattamenti per controllare gli effetti di eventuali variabili nascoste.

Risorse addizionali

Variabili esplicative e variabili di risposta
Variabili nascoste
Progettazione di coppie corrispondenti
Progettazione di lotti suddivisi