Najpopularniejsze strategie to:
- Powtarzane pomiary ANOVA z jednym czynnikiem wewnątrz podmiotu (przed vs. testem) i jednym czynnikiem między podmiotem (leczenie vs. kontrola).
- ANCOVA dla wyników po leczeniu, z wynikiem przed leczeniem jako zmienną towarzyszącą i leczeniem jako niezależną zmienną. Intuicyjnie chodzi o to, że test różnic między obiema grupami jest naprawdę tym, czego szukasz, i włączenie wyników przed testem, ponieważ zmienna towarzysząca może zwiększyć moc w porównaniu z prostym testem t lub ANOVA.
Istnieje wiele dyskusji na temat interpretacji, założeń i pozornie paradoksalnych różnic między tymi dwoma podejściami i bardziej wyrafinowanych alternatyw (szczególnie, gdy uczestnicy nie mogą zostać losowo przydzieleni do leczenia), ale myślę, że pozostają dość standardowe.
Jednym ważnym źródłem nieporozumień jest to, że dla ANOVA efektem zainteresowania jest najprawdopodobniej interakcja między czasem a leczeniem, a nie główny efekt leczenia. Nawiasem mówiąc, test F dla tego terminu interakcji da dokładnie ten sam wynik niż test niezależnej próby t na wyniki wzmocnienia (tj. Wyniki uzyskane przez odjęcie wyniku przed testem od wyniku po badaniu dla każdego uczestnika), więc możesz też idź na to.
Jeśli to wszystko jest zbyt wiele, nie masz czasu, aby to rozgryźć i nie możesz uzyskać pomocy od statystyki, szybkie i brudne, ale w żadnym wypadku całkowicie absurdalne podejście nie byłoby po prostu porównywać wyników po teście z niezależny próbny test t, ignorując wartości sprzed testu. Ma to sens tylko wtedy, gdy uczestnicy zostali losowo przydzieleni do grupy leczonej lub kontrolnej .
Wreszcie, to nie jest sam w sobie bardzo dobry powód, aby go wybrać, ale podejrzewam, że podejście 2 powyżej (ANCOVA) jest obecnie tym, co obecnie przyjmuje właściwe podejście w psychologii, więc jeśli wybierzesz coś innego, być może będziesz musiał szczegółowo wyjaśnić tę technikę lub uzasadnić do kogoś, kto jest przekonany, np. że „wyniki są znane jako złe”.