Abstract
本篇論文所探討的主題是：如何將模擬上常用的相關性導入法與統計上的實驗設計相結合，進而提昇因果關係模型未知參數的估計效率。要研究現實生活中的各種現象，我們常常會進行模擬實驗。為了對模擬實驗的結果從事進一步的分析，通常會再建立所謂的因果關係模型。因果關係模型中往往含有許多未知參數，這些未知參數估計的品質將會影響利用因果關係模型從事分析時的效率。而如何提昇線性因果關係模型未知參數的估計品質，最常見的方法就是：透過模擬模型中虛擬亂數的安排，使得因果關係模型中我們所關心的未知參數其估計值變異數得以降低。而這些虛擬亂數的指派方法都會利用到模擬上的相關性導入法與實驗設計中的區集觀念。本論文對於現行各種相關性導入法與實驗設計的結合運用做了一個完整的調查回顧，並針對其中最好的方法(調整多重區集法)撰寫了一個電腦程式，使得這種方法在應用上更為方便。此外，本論文亦提出了一個新的相關性導入法─分層產生法，這種新的方法能將現行的各種相關性導入法都納入其中，但是卻能夠進一步地對導入相關性的大小加以控制。本論文並利用分層產生法進行了一個簡單的實驗，來說明相關性的導入對模擬實驗中因果關係模型未知參數估計品質的影響。本論文分為六章。第一章主要在闡述一些模擬的基本概念，進而引出所謂的因果關係模型。第二章則以線性模型為中心，說明統計學(包括迴歸和實驗設計)上對於估計因果關係模型未知參數的相關理論。第三章將介紹模擬上所謂的相關性導入法。在第四章中接著討論了現行各種相關性導入法與實驗設計在模擬上的結合運用。在第五章將介紹我們所發現的相關性導入法─分層產生法。第六章則是結論。此外對於調整多重區集法的使用，我們撰寫了一個應用程式，並將它列入附錄中。