määrällisiä tutkimuksia, jotka sisältävät vertailuja ehtoja tai hoitoja, on olemassa kahta perustyyppiä malleja harkita: välillä-aiheita tai sisällä-aiheista (tunnetaan myös nimellä toistuva-toimenpiteet). On välillä-aiheet design, jokainen osallistuja saa vain yhden ehdon tai hoitoa, kun taas sisällä-aiheista suunnittelu jokainen osallistuja saa useita ehtoja tai hoitoja., Jokainen suunnittelu lähestymistapa on etunsa ja haittansa; kuitenkin, siellä on tietty tilastollinen etu, että sisällä-aiheista malleja yleensä pitää yli välillä-aiheista malleja.
Sisällä-aiheista malleja on suurempi tilastollinen voima kuin välillä-aiheita malleja, mikä tarkoittaa, että tarvitset vähemmän osallistujia teidän tutkimuksessa, jotta voidaan löytää tilastollisesti merkittäviä vaikutuksia. Esimerkiksi koehenkilöiden välinen versio standard t-testi edellyttää näytteen koko on 128 saavuttaa teho .,80, kun taas koehenkilöiden sisäinen versio vaatii vain 34 näytteen koon saavuttaakseen saman tehon. Tämä etu sisällä-aiheista malleja saattaa olla yleistä tietoa joillekin opiskelijoille, mutta monet opiskelijat eivät tiedä, miksi näin on. Vastaus on siinä, miten varianssi jaetaan (tai ”ositetaan”) tutkittavien sisäisessä analyysissä.
otetaan esimerkiksi varianssianalyysi (ANOVA). Koehenkilöiden välisessä ANOVASSA kokonaisvarianssi koostuu hoitovarianssista ja virhevarianssista., Määrität, onko ryhmien välillä eroja tarkastelemalla hoitovarianssin osuutta virhevarianssista. Tämän mallin virhevaihtelu voi johtua osallistujien välisistä yksilöllisistä eroista (esimerkiksi demografisista eroista). Toisin sanoen, yrität nähdä läpi ”melu” varianssi johtuu yksittäisten erojen nähdä, mitä vaikutuksia hoito on ottaa.
kuitenkin sisäisesti koehenkilöissä ANOVA, pystymme jakamaan varianssin vielä pidemmälle., Erityisesti voimme jakaa varianssi johtuu yksittäisten erojen muusta ”virhe” varianssi. Näin ollen yhteensä varianssi sisällä-aiheista ANOVA koostuu hoidon varianssi välillä-aiheista varianssi (eli yksilölliset erot), ja virhe varianssi. Meillä on vielä määrittää vaikutus hoidon tutkimalla 
osuus hoito varianssi virhe varianssi., Jakamalla ulos välillä-aiheista varianssi, me vähentää virheen varianssi yhtälö, mikä vähentää ”kohinaa”, meidän täytyy nähdä läpi, jotta nähdään, merkittävä käsittelyvaikutus. Laita toinen tapa, koska emme ole kiinnostuneita eroja osallistujat sisällä-aiheiden suunnittelu, voimme heittää pois välillä-aiheista varianssi saada selkeämpi kuva siitä, mitä on tekeillä tiedot.
tutkittavien mallien tilastollisten etujen syvempi ymmärtäminen voi auttaa sinua tekemään tietoon perustuvia valintoja tutkimussuunnittelustasi eteenpäin!