在一个程序中，随机化在哪里以及如何实施，会对试验的效力产生巨大的影响——即，你可以确信检测到的结果变化水平，以及试验回答研究问题的能力。
举例来说，我们来看一下一项简单的补助计划试验。试验的设计是，在资格审查之后，参与者将被随机分配到获得补助金或不获得补助金的对照组。然而，资格审查费用昂贵，因此在随机化之后才决定是否进行资格审查。
假设治疗组中只有一半的申请者通过了资格审查。虽然试验的最小可检测效应大小相同，但这种影响现在必须由一半的样本产生 [2] - 因此，对实际使用补助金的人的影响现在必须是原来的两倍才能被检测到。
6）查看同类项目的其他试验和评估
如果您的主要兴趣是拓展“什么方法有效”的知识边界，那么如果已经进行了类似的试验，您可能不想继续进行试验。但即使您的主要兴趣是您的特定计划在其背景下的影响，我们也建议您寻找其他试验。例如，您可以 摩吉数据 从他们招募试验参与者的经验中学习，设计调查问题来衡量结果或您可以预期的潜在影响规模和性质。
7）在交付开始前记录有关您的试用和注册详细信息的关键信息
无论您是研究人员还是政策制定者，都应使用试验方案来列出您的研究计划的主要特征，我们也强烈建议您注册试验 - 例如在AEA注册表和我们自己的IGL 数据库中。
正如IGL 指南中所述，这可以提高研究的可信度，消除任何对项目“叙述”由少数几个发现有积极影响的结果指标设定的担忧。它还有助于减少出版偏见（重要的是要从哪些方法行不通以及哪些方法行之有效中吸取教训），并有助于促进合作和避免重复。提供微观数据也有助于最大限度地发挥试验的外部效益，并使您的结果更具可信度。
试验方案也可以成为知识管理的重要工具，特别是对于长期试验和可能受到政策环境变化影响的试验——即，在提取研究结果时，参与委托和实施试验的人员并不在场。
照片来源： Pexels。
[1] 具体、可衡量、可实现、现实、有时限。
[2] 你必须比较两组中每个人的结果（称为“意向治疗”，或 ITT），因为你不知道对照组中哪些人不符合条件。了解符合条件的比例后，你可以使用技术来估计对使用支持的人的影响程度，但不能估计精确度。