प्रयोगों के दौरान स्व-चयन पूर्वाग्रह

Question

मान लीजिए कि आप के प्रभाव का आकलन करने के लिए एक यादृच्छिक प्रयोग कर रहे हैं , तो बेरोजगार लोगों के लिए कुछ प्रशिक्षण कार्यक्रम कहें, पर , आने वाले वर्ष में नौकरी खोजने का मौका कहें। मान लीजिए कि को समय लगता है: शायद यह कई महीनों तक रहता है।$X$$Y$$X$

क्योंकि आप यादृच्छिक करते हैं, आपको शुरू में आत्म-चयन पूर्वाग्रह के बारे में चिंता करने की आवश्यकता नहीं है। लेकिन दौरान , कुछ लोगों को यह एहसास होगा कि उनके लिए फायदेमंद है, और दूसरों को एहसास हो सकता है कि वे अपना समय बर्बाद कर रहे हैं।$X$$X$

नतीजतन, कोई यह उम्मीद कर सकता है कि कार्यक्रम से हटने वाले लोगों में, एजेंटों का एक उच्च अनुपात होता है, जिसके लिए उपचार प्रभाव छोटा होता है। यह उपचार प्रभाव के एक अति-आकलन को प्रेरित कर सकता है।

मेरे प्रश्न हैं :

• क्या यादृच्छिक प्रयोगों पर साहित्य में इस तरह के पूर्वाग्रह की चर्चा है?
• क्या यह एक विहित नाम है?
• क्या शोधकर्ता इसके लिए नियंत्रण करने की कोशिश करते हैं, और यदि हाँ, तो कैसे?

Answer 1

जाहिर तौर पर इसे एट्रिशन बायस कहा जाता है । यह जीवित रहने वाले पूर्वाग्रह के समान है । यह पेपर हेकमैन सुधार का उपयोग करते हुए इसे सही करने का सुझाव देता है । प्रवृत्ति स्कोर मिलान भी कुछ हद तक मदद कर सकता है । दोनों के साथ मेरा अनुभव मिश्रित रहा है, लेकिन वे आमतौर पर उपयोग किए जाते हैं। आपको यह पता लगाना चाहिए कि आपकी सेटिंग के लिए कौन सा सटीक तरीका सबसे उपयुक्त है।

एक अंतिम संपादन: ये दो पेपर, जो औसत उपचार प्रभाव को सीमित करने की बात करते हैं, आपके लिए भी उपयोगी हो सकते हैं।

Answer 2

मुझे लगता है कि यह पेपर आपके लिए उपयोगी हो सकता है। यह रोडीगो पिंटो नाम के UChicago में हेक्मैन के छात्रों में से एक द्वारा एक जॉब मार्केट पेपर है । पेपर का शीर्षक "चयन बायस इन ए कंट्रोल्ड एक्सपेरिमेंट: द केस ऑफ मूविंग टू ऑपर्चुनिटी" है। एमटीओ प्रयोग में, वाउचर असाइनमेंट तंत्र यादृच्छिक था लेकिन केवल लगभग आधा जो वाउचर प्राप्त करता था वह वास्तव में आगे बढ़ रहा था। यह एक समस्या पैदा करता है क्योंकि सामान्य विश्लेषण (उपचार-प्रभाव-पर-इलाज या इरादे से इलाज) केवल हमें वाउचर प्राप्त करने का कारण प्रभाव बताएगा। हालाँकि, हम नए पड़ोस के कारण प्रभाव में रुचि रखते हैं, वाउचर प्राप्त करने की नहीं। वह दिखाता है कि विशिष्ट उपचार-ऑन-द-इलाज पैरामीटर को उन घटकों में कैसे विघटित किया जाता है जिनमें अस्पष्ट व्याख्याएं होती हैं। अर्थात्, वह नए पड़ोस के कारण प्रभाव को अलग करता है।

Answer 3

एक और चीज जिसे आप देख सकते हैं, वह है "इरादा-टू-ट्रीट विश्लेषण" । विकिपीडिया से,

एक प्रयोग के परिणामों का इरादा-टू-ट्रीट (आईटीटी) विश्लेषण प्रारंभिक उपचार असाइनमेंट पर आधारित है न कि अंततः प्राप्त उपचार पर। आईटीटी विश्लेषण का उद्देश्य विभिन्न भ्रामक कलाकृतियों से बचना है जो हस्तक्षेप अनुसंधान में उत्पन्न हो सकती हैं जैसे कि अध्ययन या क्रॉसओवर से प्रतिभागियों की गैर-यादृच्छिक उपस्थिति।

ऐसा लगता है कि आप जो ढूंढ रहे थे, वह मेल खाता है: आपका उपचार शुरू में अनियमित है और लोग गैर-यादृच्छिक रूप से छोड़ देते हैं।