Negli studi quantitativi che coinvolgono confronti di condizioni o trattamenti, ci sono due tipi fondamentali di disegni da considerare: tra soggetti o all’interno di soggetti (noti anche come misure ripetute). In un progetto tra soggetti, ogni partecipante riceve solo una condizione o un trattamento, mentre in un progetto all’interno di soggetti ogni partecipante riceve più condizioni o trattamenti., Ogni approccio progettuale ha i suoi vantaggi e svantaggi; tuttavia, c’è un particolare vantaggio statistico che i disegni all’interno dei soggetti generalmente tengono su disegni tra soggetti.
I progetti all’interno dei soggetti hanno una maggiore potenza statistica rispetto ai progetti tra soggetti, il che significa che hai bisogno di meno partecipanti nel tuo studio per trovare effetti statisticamente significativi. Ad esempio, la versione tra soggetti di un t-test standard richiede una dimensione del campione di 128 per ottenere una potenza di .,80, mentre la versione entro soggetti richiede solo una dimensione del campione di 34 per ottenere la stessa potenza. Questo vantaggio dei disegni all’interno di soggetti potrebbe essere di conoscenza comune per alcuni studenti, ma molti studenti potrebbero non sapere perché questo è il caso. La risposta sta nel modo in cui la varianza è divisa (o “partizionata”) in un’analisi all’interno dei soggetti.
Prendi un’analisi della varianza (ANOVA) per esempio. In un ANOVA tra soggetti, la varianza totale è compresa tra la varianza di trattamento e la varianza di errore., È possibile determinare se ci sono differenze tra i gruppi esaminando la proporzione tra varianza di trattamento e varianza di errore. La varianza degli errori in questo progetto può essere attribuibile a differenze individuali tra i partecipanti (ad esempio, differenze demografiche). In altre parole, stai cercando di vedere attraverso il “rumore” della varianza dovuta alle differenze individuali per vedere quale impatto sta avendo il tuo trattamento.
Tuttavia, in un ANOVA all’interno dei soggetti, siamo in grado di dividere ulteriormente la varianza., In particolare, possiamo partizionare la varianza a causa di differenze individuali dal resto della varianza “errore”. Pertanto, la varianza totale nell’ANOVA all’interno dei soggetti è costituita dalla varianza del trattamento, dalla varianza tra i soggetti (cioè dalle differenze individuali) e dalla varianza dell’errore. Determiniamo ancora l’effetto del trattamento esaminando 
la proporzione tra la varianza del trattamento e la varianza dell’errore., Partizionando la varianza tra soggetti, riduciamo la quantità di varianza di errore nell’equazione, riducendo così il “rumore” che dobbiamo vedere per vedere un effetto significativo del trattamento. In altre parole, dal momento che non siamo interessati alle differenze tra i partecipanti in un design all’interno dei soggetti, possiamo eliminare la varianza tra i soggetti per ottenere un’immagine più chiara di ciò che sta accadendo nei dati.
Avere una comprensione più profonda dei vantaggi statistici dei progetti all’interno dei soggetti può aiutarti a fare scelte più informate sul tuo progetto di ricerca in avanti!