权衡重复测量与独立重复：整合抽样成本与统计功效优化多尺度实验设计

本研究针对生态学实验设计中重复测量与独立重复的权衡问题，通过社会昆虫案例的模拟分析，揭示了嵌套设计对抽样策略的高度敏感性及方差估计误差导致的I型错误膨胀。研究人员开发了融合抽样成本与平衡准确性的优化方案，为多尺度实验设计提供了兼顾统计效能与资源效率的实践路径。

　　

生态学家在检验群体差异时，常面临从同一单元获取重复测量(repeated measures) versus 跨单元独立重复(independent replications)的权衡。以社会昆虫研究为例，研究者可选择在单巢群内密集采样个体，或从更多巢群中抽取较少个体。这一选择不仅影响统计功效(statistical power)，更关乎方差估计准确性——后者可能进一步推高I型错误(type-I error)。由于新增独立重复样本的成本通常不同于重复测量，需通过高效实验设计实现优化。

基于社会昆虫研究的模拟案例显示：在线性混合效应模型(linear mixed-effects models, LMM)中，交叉设计(crossed designs)——即每个巢群经历固定效应(fixed effect)的所有水平——受抽样策略影响极小；而嵌套设计(nested designs)——不同巢群接受不同处理——对抽样分配高度敏感，其方差估计偏差会导致I型错误率显著升高。增加独立重复虽能提升准确性，但成本较高——文献调研证实社会昆虫研究中重复测量样本量约为独立重复的3倍。

为此，研究团队开发了两套融合抽样成本与平衡准确性(balanced accuracy)的优化方案，通过将功效分析(power analysis)与真实努力约束整合，为设计高效多尺度实验提供了实用路线图。该成果虽聚焦社会昆虫体系，但适用于任何需平衡重复测量与独立重复的研究场景。