I kvantitative studier som omfatter sammenligninger av vilkår eller behandlinger, det er to grunnleggende typer av design for å vurdere: mellom-fag eller innen-fag (også kjent som blir gjentatt-tiltak). I en mellom-fag design, og hver deltaker får bare én tilstand eller behandling, mens i en innenfor fag design hver deltaker får flere betingelser eller behandlinger., Hver design tilnærmingen har sine fordeler og ulemper, men det er en bestemt statistisk fordel som innen-fag generelt design holder over mellom-fag design.
Innenfor fag design har større statistiske strøm enn mellom-fag-design, som betyr at du trenger færre deltakere i studien for å finne statistisk signifikante effekter. For eksempel, mellom-fag versjon av en standard t-test krever et eksempel størrelse på 128 for å oppnå en effekt av .,80, mens det innenfor fag-versjonen krever bare et eksempel størrelse 34 for å oppnå samme effekt. Denne nytte av innen-fag design kan være felles kunnskap for noen elever, men mange studenter vet kanskje ikke hvorfor dette er tilfelle. Svaret ligger i hvordan avvik er delt opp (eller «oppdelt») i en innenfor fag analyse.
Ta en analyse av varians (ANOVA) for eksempel. I en mellom-fag ANOVA, vil den totale variansen består behandling av avvik og feil varians., Du avgjøre om det er forskjeller mellom grupper ved å ta utgangspunkt i andelen av behandling variansen til feil varians. Feilen varians i dette designet kan være knyttet til individuelle forskjeller mellom deltakerne (f.eks., demografiske forskjeller). Med andre ord, at du prøver å se gjennom den «støy» av variansen på grunn av individuelle forskjeller for å se hvilken virkning behandlingen har.
Men i en innenfor fag ANOVA, er vi i stand til å dele opp avvik enda lenger., Spesielt, kan vi partisjon variansen på grunn av individuelle forskjeller fra resten av «feil» varians. Dermed er den totale variansen i innen-fag ANOVA består av behandling varians -, mellom-fag varians (dvs., individuelle forskjeller), og feil varians. Vi har fortsatt å avgjøre effekten av behandlingen ved å undersøke 
andelen av behandling variansen til feil varians., Ved oppdeling ut mellom-fag avvik, kan vi redusere mengden av feil variasjon i ligningen, og dermed redusere «støy» vi er nødt til å se gjennom for å se en betydelig behandling effekt. Sagt på en annen måte, siden vi ikke er interessert i forskjeller mellom deltakerne i en innenfor fag som design, kan vi kaste ut mellom-fag varians for å få et klarere bilde av hva som skjer i dataene.
å Ha en dypere forståelse av statistiske fordeler av i-fag design kan hjelpe deg med å gjøre mer informerte valg om forskningen din design fremover!