研究中的随机性可以出现在两个阶段：从目标群体选择进入研究的对象，以及在入组对象中分配研究条件。随机抽样作用于前一个阶段，随机分配作用于后一个阶段。抽样机制关系到样本能否用于推断目标人群，分配机制关系到不同条件下的对象是否具有可比性。
代表性与组间可比性
例如，网站在自愿报名者中随机分配两个版本，可以支持这批报名者中的版本比较。报名过程仍是另一种选择机制：愿意报名的人与所有互联网用户可能不同，向后者推广结果还需考察这些差异。随机分配并未改变研究实际纳入的人群。
反过来，从全城随机抽样研究饮食与健康，即使样本能够代表目标人群，饮食选择也未必随机。年龄、收入等因素可能同时与饮食及健康有关，使观察到的关系包含共同原因的影响。样本代表性帮助解释关联在哪个人群中成立，却不能直接消去这种 混杂。
这两个例子说明，可推广性与内部可比性依赖不同的设计环节。数据与设计 对总体、抽样框与分配机制的区分，是理解这两类推断的起点。
随机分配所支持的因果解释
随机分配使基线因素不决定分组，但有限样本的实际组成仍会波动。某次研究的年龄比例可能不同，这与随机机制在重复分配意义上的可比性并不矛盾。基线差异应放在分配机制和统计波动中理解，不能把随机分配误认为两组每项属性必然相等。
因果解释还涉及干预的一致性、结局记录、缺失处理和个体间干扰。失访可能使最终比较的人群不同于原分配的人群；一个对象的条件若影响其他对象的结果，也会改变潜在结果的定义与分析依据。因果条件 和 独立性 分别展开这些问题，综合案例的研究设计 则展示设计假设与参数解释的对应关系。
返回 概念索引。