我正在设计一个实验，其中 40 名参与者回答 10 个问题，5 个在条件中，5 个在条件中，我对这两个条件之间的差异感兴趣。
我不清楚将问题分配给每种情况的最佳方法是什么。一个简单的解决方案是平衡- 生成两个列表： 并将参与者随机分配给一个或另一个。
或者，我可以为每个参与者的每个条件随机分配 5 个问题，使刺激完全随机化。
我计划使用混合效应模型分析结果，因为我期待一些缺失的案例：
lmer(dv ~ condition + (condition|question) + (condition|subject))
我的问题是：在这种情况下，平衡或随机化在统计上是否更合适？
我认为制衡的优点基本上是它们为您提供的便利。你设置了两个问卷，你就完成了。如果您有很多人使用每个列表，您可以添加List一个因素并测试它是否有任何效果。
平衡的缺点是可能会有一些影响，比如和处于相同的状态。现在在您的两个列表中都是这种情况（它们都中，并且都中）。事实上，有很多这样的可能性（所有情况都相同，等等）。还有可能的订单效应（总是在， ETC。）。可以创建一组平衡所有可能性的列表，但这是很多排列。随机化使所有可能性（从长远来看）均等，从而边缘化（消除）这些可能的影响。据推测，这些影响实际上对您并不感兴趣（它们是令人讨厌的变量）。如果是这样，为这些问题随机化更好的控制。因此，随机化具有理论上的优势。但是，实际上影响可能很小；事实上如此之小，这不是你真正需要担心的事情。随机化可能会很痛苦。