Ecology letter刚刚刊出的一篇评论,非常短只有两页(但是参考材料却有61页。。。)。因为我需要用到其中的内容,所以记录一下,本文短而枯燥。
生态学家普遍认为通过牺牲重复来最大化实验因子的水平,能提高模型的预测能力。
预测成功率高的模型能够准确地描述因变量与实验因子之间关系的真实形态,从而更好地预测因变量的期望。
模型的好坏由模型的预测值与因变量的已知真值的回归所得到的R2决定。
但是这里存在一个问题,即预测的值并不真的和真实值近似,他们仅仅是相关。
要评估预测值和真实值的匹配程度,需要一个评估预测成功度的指标。该指标评估预测值和真实值1:1的对应关系。
本文的模拟实验表明(见参考材料),牺牲重复来最大化实验因子的数量会降低生态模型的预测成功率。因此重复是非常重要的。
如果使用回归方法从实验数据估计参数,那么重复是必须的,它可以增加变量之间真实关系参数值的概率,并使这些参数估计中的误差最小化。还能提高我们解释数据变化的能力。
前人研究建议实验中各种处理水平中的最大值应大于最复杂模型中参数的个数。
重复是实验设计的基石,也是控制和随机化的基石。在设计研究时应该考虑的问题不应该是“重复,还是不重复”,而应该是“涉及重复的最有效的实验设计是什么”。