実験誘導クラスタリングを備えたマルチレベルの要因設計

要因実験設計には、行動科学に多くのアプリケーションがあります。介入開発の文脈では、高品質の多成分行動介入の構築と最適化において、要因実験が重要な役割を果たします。行動科学に要因実験を実施する際の課題の1つは、個人が社会または管理ユニットに集中していることが多く、他のクラスターの個人よりもお互いに似ている可能性があることです。これは、データがクラスター内に依存することを意味します。データのマルチレベル構造が実験前に存在していたグループの個人のメンバーシップによるものである要因実験には、電力計画リソースが利用できます。ただし、多くの場合、研究自体の過程でクラスターが生成されます。このような実験誘発クラスタリング（EIC）には、実験前にクラスターが存在するマルチレベルの実験設計に利用できるものとは、さまざまなデータ分析モデルと電力計画リソースが必要です。EICと要因設計を備えた実験設計の両方の一般的な発生にもかかわらず、EICと要因設計の間にはまだ橋が建設されていません。したがって、EICを含む要因実験を計画するために、リソースは限られているか存在しません。この記事では、単一因子実験用に開発されたEICの以前のモデルをさまざまなタイプのEICを含む要因実験に拡張することにより、このギャップを埋めることを目指しています。また、EICが関与する特定の実験設計が実行可能かどうかを調査員が決定できるように、パワーフォーミュラも提供します。要因実験は、EICであっても強力で実行可能であることを実証します。将来の研究のための設計上の考慮事項と指示について説明します。（PsyCINFOデータベースレコード

Factorial experimental designs have many applications in the behavioral sciences. In the context of intervention development, factorial experiments play a critical role in building and optimizing high-quality, multicomponent behavioral interventions. One challenge in implementing factorial experiments in the behavioral sciences is that individuals are often clustered in social or administrative units and may be more similar to each other than to individuals in other clusters. This means that data are dependent within clusters. Power planning resources are available for factorial experiments in which the multilevel structure of the data is due to individuals' membership in groups that existed before experimentation. However, in many cases clusters are generated in the course of the study itself. Such experiment-induced clustering (EIC) requires different data analysis models and power planning resources from those available for multilevel experimental designs in which clusters exist prior to experimentation. Despite the common occurrence of both experimental designs with EIC and factorial designs, a bridge has yet to be built between EIC and factorial designs. Therefore, resources are limited or nonexistent for planning factorial experiments that involve EIC. This article seeks to bridge this gap by extending prior models for EIC, developed for single-factor experiments, to factorial experiments involving various types of EIC. We also offer power formulas to help investigators decide whether a particular experimental design involving EIC is feasible. We demonstrate that factorial experiments can be powerful and feasible even with EIC. We discuss design considerations and directions for future research. (PsycINFO Database Record