3  การออกแบบการทดลอง

TL;DR:

แผนการทดลองที่ดีช่วยให้การทดลองภาคสนามมีความถูกต้องและแม่นยำ โดยใช้หลักการทำซ้ำ การสุ่ม และการควบคุมความคลาดเคลื่อน

แผนการทดลอง หมายถึง กฎเกณฑ์ที่ใช้ในการกำหนดทรีตเมนต์ให้กับแปลงทดลอง หากดำเนินการอย่างถูกต้อง จะช่วยให้สามารถเปรียบเทียบระหว่างทรีตเมนต์ได้อย่างถูกต้อง (valid) และช่วยควบคุมแหล่งความแปรปรวนหลักในการทดลองภาคสนาม ซึ่งก็คือ ความไม่สม่ำเสมอของดิน (Soil heterogeneity)

แผนการทดลองที่เหมาะสมต้องยึดหลักสำคัญ 3 ประการ

  1. การทำซ้ำ (Replication)
  2. การสุ่ม (Randomization)
  3. การควบคุมความคลาดเคลื่อน (Error control)

3.1 การเลือกแผนการทดลอง

ประเภทของแผนการทดลองที่ดีที่สุดขึ้นอยู่กับปัจจัยดังนี้:

  • ระดับความไม่สม่ำเสมอของดินในพื้นที่ทดลอง

  • ประเภทและจำนวนของทรีตเมนต์ที่จะทดสอบ

  • ระดับความแม่นยำ (precision) ที่ต้องการ

ห้ามเลือกแผนการทดลองที่ขาดหลักการใดหลักการหนึ่งในสามประการข้างต้น

3.2 กลุ่มของแผนการทดลองที่นิยมใช้ในการทดลอง

แผนการทดลองแบ่งออกเป็น 3 กลุ่มใหญ่ ดังนี้:

1. แผนการทดลองแบบบล็อกสมบูรณ์ (Complete Block Designs) มักใช้กับการทดลองอย่างง่ายที่มีจำนวนทรีตเมนต์ไม่มากนัก มีลักษณะสำคัญคือ:

  • ทรีตเมนต์ทุกตัวจะปรากฏอยู่ในทุกบล็อก

  • การวิเคราะห์ข้อมูลทำได้ง่าย

  • จัดการข้อมูลที่ขาดหาย (missing data) ได้สะดวก

  • ใช้ได้ทั้งกับการทดลองแบบปัจจัยเดียว (Single-factor) และแบบแฟกทอเรียล (Factorial)

2. แผนการทดลองแบบบล็อกไม่สมบูรณ์ (Incomplete Block Designs) ใช้สำหรับการทดลองที่มีจำนวนทรีตเมนต์มากเกินกว่าจะบรรจุลงในบล็อกที่มีความสม่ำเสมอเดียวกันได้หมด เช่น การทดสอบพันธุ์ข้าวที่มีหลายร้อยพันธุ์ มีลักษณะคือ:

  • ทรีตเมนต์ทั้งหมดจะไม่ปรากฏอยู่ในบล็อกเดียวกัน

  • การวิเคราะห์ข้อมูลมีความซับซ้อนกว่า โดยเฉพาะเมื่อมีข้อมูลขาดหาย

3. แผนการทดลองแบบสปลิตพลอต (Split-plot Designs) ใช้สำหรับการทดลองแบบแฟกทอเรียลเท่านั้น ในกรณีที่มีชุดรวมของทรีตเมนต์จำนวนมาก หรือเมื่อทรีตเมนต์บางตัวต้องการขนาดแปลงที่ใหญ่กว่าตัวอื่น

กฎเกณฑ์พื้นฐานในการเลือกแผนการทดลอง

  1. การทดลองปัจจัยเดียว (Single factor experiments)
แผนการทดลอง เงื่อนไขการใช้งาน
RCB ทรีตเมนต์น้อยกว่า 10 ตัว, ทำซ้ำกี่ครั้งก็ได้, ดินมีความอุดมสมบูรณ์ต่างกันในทิศทางเดียว
Latin Square ทรีตเมนต์ 4 ถึง 8 ตัว, จำนวนซ้ำต้องเท่ากับจำนวนทรีตเมนต์, ดินต่างกันในสองทิศทาง
Balanced Lattice ทรีตเมนต์จำนวนมาก (เช่น \(p^2\) ตัว), จำนวนซ้ำต้องเป็น \(p+1\), ให้ความแม่นยำเท่ากันทุกคู่เปรียบเทียบ
Partially Balanced Lattice ทรีตเมนต์จำนวนมาก (\(p^2\) ตัว), ทำซ้ำกี่ครั้งก็ได้, บางคู่เปรียบเทียบจะมีความแม่นยำสูงกว่าคู่อื่น
  1. การทดลองหลายปัจจัย (Factorial experiments)
แผนการทดลอง เงื่อนไขการใช้งาน
RCB ชุดรวมทรีตเมนต์น้อยกว่า 10 แบบ, อิทธิพลหลักและอิทธิพลร่วมมีความสำคัญเท่ากัน
Split-plot มีอย่างน้อย 2 ปัจจัยที่ความสำคัญไม่เท่ากัน, ปัจจัยที่สำคัญน้อยกว่าหรือต้องการพื้นที่ใหญ่กว่าจะถูกวางไว้ในพล็อตหลัก (Main plots)
Split-split plot มีอย่างน้อย 3 ปัจจัย, เรียงลำดับความสำคัญจากน้อยไปมาก (Main plots > Subplots > Sub-subplots)
Strip-plot ปัจจัยต้องการพื้นที่ใหญ่เกินกว่าขนาด Subplot ปกติ, เน้นศึกษาอิทธิพลร่วม (Interaction) มากกว่าอิทธิพลหลัก
Confounding มีมากกว่า 2 ปัจจัย, ยอมเสียความแม่นยำในอิทธิพลร่วมอันดับสูง (High-order interactions) เพื่อเพิ่มประสิทธิภาพด้านอื่น

3.3 การออกแบบสำหรับการทดสอบในนาเกษตรกร

ในงานทดสอบเทคโนโลยี (Verification Experiment) มักใช้แผนการทดลองแบบ RCB โดยมี 2 ซ้ำ ต่อเกษตรกรหนึ่งราย และทำกับเกษตรกรอย่างน้อย 10 รายเพื่อเป็นตัวแทนของพื้นที่เป้าหมาย โดยกรรมวิธีเทคโนโลยีใหม่ต้องเหมือนกันทุกราย แต่เทคโนโลยีเกษตรกรอาจต่างกันไปตามการปฏิบัติของแต่ละคน