i kvantitative undersøgelser, der involverer sammenligninger af tilstande eller behandlinger, er der to grundlæggende typer design at overveje: mellem-emner eller inden for-emner (også kendt som gentagne-foranstaltninger). I en mellem-fag design, hver deltager modtager kun conditionn betingelse eller behandling, hvorimod i en inden-fag design hver deltager modtager flere betingelser eller behandlinger., Hver tilgang har sine fordele og ulemper, men der er en særlig statistisk fordel, at inden-fag designs generelt holde over mellem-fag designs.
Inden-fag designs har større statistisk styrke end mellem fag, design, hvilket betyder, at du har brug for færre deltagere i din undersøgelse, for at finde statistisk signifikante effekter. For eksempel kræver versionen mellem emner af en standard t-test en prøvestørrelse på 128 for at opnå en effekt på .,80, hvorimod versionen inden for emner kun kræver en prøvestørrelse på 34 for at opnå den samme effekt. Denne fordel ved design inden for fag kan være almindelig viden for nogle studerende, men mange studerende ved muligvis ikke, hvorfor dette er tilfældet. Svaret ligger i, hvordan variansen er delt op (eller “opdelt”) i en inden-fag analyse.
tag for eksempel en variansanalyse (ANOVA). I en mellem-fag ANOVA, den samlede varians består af behandling varians og fejl varians., Du bestemmer, om der er forskelle mellem grupper ved at undersøge andelen af behandlingsvarians til fejlvarians. Fejlvariansen i dette design kan henføres til individuelle forskelle mellem deltagere (f.demografiske forskelle). Med andre ord forsøger du at se gennem “støj” af variansen på grund af individuelle forskelle for at se, hvilken indflydelse din behandling har.
i en indenfor-fag ANOVA er vi imidlertid i stand til at opdele variansen endnu mere., Specifikt kan vi opdele variansen på grund af individuelle forskelle fra resten af “fejl” variansen. Således består den samlede varians i inden-fag ANOVA af behandling varians, mellem-fag varians (dvs.individuelle forskelle) og fejl varians. Vi bestemmer stadig effekten af behandlingen ved at undersøge 
andelen af behandlingsvarians til fejlvarians., Ved at opdele variansen mellem emner reducerer vi mængden af fejlvarians i ligningen, hvilket reducerer den “støj”, vi skal se igennem for at se en betydelig behandlingseffekt. Sagt på en anden måde, da vi ikke er interesseret i forskelle mellem deltagere i et indenfor-fag design, kan vi smide ud mellem-fag variansen for at få et klarere billede af, hvad der foregår i dataene.
at have en dybere forståelse af de statistiske fordele ved design inden for fag kan hjælpe dig med at træffe mere informerede valg om dit forskningsdesign fremad!