जब आप एक आदर्श प्रयोग नहीं कर सकते तो क्या करना चाहिए?


14

मेरा सांख्यिकीय प्रशिक्षण गणितीय आँकड़ों में निहित है, और मेरे एमएस में इन तरीकों की कक्षाएं लेने से फिलहाल थोड़ा झटका लगा है; वर्तमान में उद्योग में अनुभव की कमी के कारण मेरे लिए इन "लागू" विधियों में से कुछ को समझना मुश्किल है।

हमारे तरीकों की कक्षाओं में जिन विषयों पर हम बात कर रहे हैं, उनमें से एक प्रयोगात्मक डिजाइन का विचार है।

उदाहरण के लिए, मैं एक शैक्षिक कार्यक्रम पर प्रभावशीलता पर एक प्रयोग करना चाहता हूं जो K-12 छात्रों के परीक्षण स्कोर बढ़ाने का दावा करता है।

विधियों की कक्षाओं में, उन्होंने इस तरह की समस्या का पीछा करना सिखाया है: सुनिश्चित करें कि आपके पास एक अच्छा शोध प्रश्न, एक अच्छा डेटा एकत्र करने का तरीका, एक यादृच्छिक प्रयोग, सजातीय उपचार समूह (जैसे, इस कार्यक्रम के साथ इलाज किया जाता है, एक शायद नहीं) समान आकार का आदर्श, और फिर एक -est (या किसी प्रकार का अपरंपरागत परिकल्पना परीक्षण) चलाते हैं , और यह सब ठीक है और बांका है, है ना?टी

मुझे बहुत कम विश्वास है कि वास्तव में यह कैसे काम करता है।

मैंने सीखा है कि, निश्चित रूप से, आपको कुछ सुविधा नमूना लेना पड़ सकता है। लेकिन इसके अलावा, मुझे नहीं पता कि मैंने पाठ्यपुस्तक से जो सीखा है उसके अलावा प्रयोगात्मक डिजाइन को कैसे लागू किया जाए।

क्या कोई पाठ्यपुस्तक, रीडिंग आदि हैं, जो अभ्यास में इन मुद्दों का पता लगाते हैं (और आदर्श रूप से, गणित पर चमक नहीं है - मुझे हर चीज के विस्तृत प्रमाण की आवश्यकता नहीं है, लेकिन मुझे यह नहीं बताया जाना चाहिए कि सब कुछ है " स्पष्ट, "उदाहरण के लिए)?


3
Causal Inference का क्षेत्र इस सवाल का जवाब देने की कोशिश करता है "हम यादृच्छिक संबंधों को कैसे चला सकते हैं, भले ही हम कारण संबंध प्राप्त कर सकते हैं?"
एबी एबी

जवाबों:


11

दो क्षेत्र हैं जहां यादृच्छिक प्रयोग लगभग हमेशा असंभव होते हैं: वे सामाजिक विज्ञान और अर्थशास्त्र हैं। इन उदाहरणों में आप केवल "अर्ध प्रयोग" कर सकते हैं। कीवर्ड अर्ध प्रयोग, अवलोकन अध्ययन और सामाजिक विज्ञान के साथ खोज करने का प्रयास करें ; आपको कुछ अच्छी पाठ्य पुस्तकें मिलेंगी। मैं इस विषय पर दो उत्कृष्ट पुस्तकों की सिफारिश कर सकता हूं: शैश और कुक की दूसरी पुस्तक एक क्लासिक है:

  1. काउंटरफैक्चुअल और काउंसल आविष्कार: मॉर्गन और विनशिप द्वारा सामाजिक अनुसंधान के लिए तरीके और सिद्धांत
  2. विलियम आर। शदीश और थॉमस ने संयुक्त रूप से सामान्य कारणों के लिए प्रायोगिक और अर्ध-प्रायोगिक डिजाइन

एक क्लासिक पेपर जो देहजिया और वहाबा द्वारा कारण के अनुमान के लिए गैर प्रायोगिक सेटिंग में "प्रॉपर्टीज स्कोर मिलान" नामक तकनीक का उपयोग करता है और साथ ही अत्यधिक अनुशंसित है।

अतिरिक्त सिफारिशें:

  1. पॉल आर रोसेनबाम द्वारा अवलोकन अध्ययन का डिजाइन।
  2. सांख्यिकी, सामाजिक और बायोमेडिकल साइंसेज के कारण: इंबेंस और रुबिन द्वारा एक परिचय।

यदि आप समय श्रृंखला अर्ध प्रयोगों को देख रहे हैं, तो उपरोक्त पुस्तकों में उनके लिए समर्पित कुछ अध्याय हैं, लेकिन जीन बनाम ग्लास डिजाइन और टाइम-सीरीज प्रयोगों का विश्लेषण द्वारा समर्पित पुस्तक है और मैं उनके लेख को बाधित समय श्रृंखला की जांच करूंगा ।

ट्रिविया: जीन वी ग्लास ने " मेटा एनालिसिस " शब्द गढ़ा ।


3
इस से संबंधित, मैं रूसेबाम के अवलोकन अध्ययन के डिजाइन की सिफारिश करूंगा । यह लेखक की पुस्तक ऑब्जर्वेशनल स्टडीज़ का कुछ कम तकनीकी संस्करण है (अभी भी कुछ सूत्र हैं, लेकिन कम प्रमेय और ~ कोई प्रमाण नहीं)। यह एक बहुत नई पुस्तक (2010) है, और इसके कई अच्छे उदाहरण और स्पष्टीकरण हैं।
कार्ल ओवे हफ्थैमर

@KarlOveHufthammer बड़ी सिफारिश।
फोरकास्ट

4

यह वह जगह है जहाँ क्वासिएक्सिमेंटल डिज़ाइन उपयोगी हो सकते हैं। व्यवहार में कई स्थितियों में, प्रयोगात्मक डिजाइन व्यावहारिक नहीं हैं, क्योंकि आपके पास एक इलाज है, आप समूहों को यादृच्छिक असाइनमेंट करने में सक्षम नहीं हैं या शायद आपके पास केवल एक समूह है।

आपके शिक्षा उदाहरण में, आपके पास उपचार प्राप्त करने वाले व्यक्ति पर नियंत्रण नहीं हो सकता है क्योंकि आप एक स्कूल में सभी बच्चों के हस्तक्षेप करने का इरादा रखते हैं। हालाँकि, आप शायद पिछले वर्षों के स्कोर से उनके स्कोर की तुलना कर सकते हैं, या कक्षाओं को रेंडम कर सकते हैं, ताकि कुछ कक्षाओं को दूसरों से पहले हस्तक्षेप प्राप्त हो, या उन कई स्कूलों की तुलना करें जिनमें हस्तक्षेप नहीं मिला।

यह एक बाधित समय श्रृंखला डिजाइन करने के लिए समझ में आ सकता है जहां आपके पास सिर्फ एक समूह है, लेकिन लगातार माप लें, और अपनी अध्ययन अवधि के बीच में उपचार का प्रबंधन करें। इस तरह, आप देख सकते हैं कि समय के साथ निर्भर चर का ढलान उपचार के ठीक बाद बदल गया, पूरे अध्ययन में समग्र ढलान के सापेक्ष। माप की संख्या 3 के रूप में कम हो सकती है, लेकिन अधिक बेहतर।

इसलिए, मेरा सुझाव क्वासिएक्सपेरिमेंटल स्टडी डिज़ाइन पर पढ़ना है।


क्या कोई ऐसी पाठ्यपुस्तक है जिसकी आप सिफारिश करेंगे? मुझे बहुत सी सामाजिक विज्ञान-प्रकार की किताबें मिली हैं, लेकिन वास्तव में सांख्यिकीय दर्शकों के लिए कोई भी नहीं बना है।
शहनाई

2

कार्य-कारण का सबसे संपूर्ण, सामान्य और सटीक उपचार है जूडा पर्ल 2009, "कॉजेलिटी", दूसरा संस्करण, कैम्ब्रिज यूनिवर्सिटी प्रेस।

विशेष रूप से, यह स्पष्ट करता है कि कार्य-कारणता वास्तव में एक सांख्यिकीय मुद्दा नहीं है - यहां तक ​​कि असीमित डेटा भी इसे हल नहीं करता है। यह एक सटीक भाषा का परिचय देता है ताकि डेटा के बारे में कुछ होने पर तर्क के लिए आवश्यक गुणात्मक और सैद्धांतिक ज्ञान व्यक्त किया जा सके। आप देखेंगे कि असफल रैंडमाइजेशन कई के बीच सिर्फ एक मुद्दा है। यह अन्य सभी गणितीय रूपरेखाओं को भी ग्रहण करता है, जैसे कि Imbens, Rubin और Rosenbaum द्वारा। मैं यह नहीं समझ सकता कि उसका दृष्टिकोण कितना सुलभ, सुरुचिपूर्ण और शक्तिशाली है।

मैं दृढ़ता से इसकी सिफारिश करता हूं। हालांकि, आपको इसे एक गैर-रेखीय फैशन में पढ़ना चाहिए (अध्याय 5 और 11 अधिक सुलभ हैं, और फिर आप सामान्य सिद्धांत को समझने के लिए अध्याय 1, 3 और 7 के माध्यम से पीछे की ओर काम कर सकते हैं)।

जब आप मूल बातें समझ गए हैं, तो आप आसानी से और अधिक हाल की प्रगति देख सकते हैं, उदाहरण के लिए जब एक संदर्भ से दूसरे संदर्भ में कारण निष्कर्ष "परिवहन" करना संभव हो, जो कि यादृच्छिकता (पर्ल, जुडीया और एलियास के साथ भी संभव नहीं है) बेयरिनबोइम 2014, "बाहरी वैधता: आबादी के पार परिवहन के लिए do-पथरी से।" सांख्यिकीय विज्ञान)।


0

शायद ये वही हैं जो आप ढूंढ रहे हैं ...

एक्सपेरिमेंट्स के लिए आंकड़े

प्रयोगों का डिजाइन और विश्लेषण

आर के साथ प्रयोगों का डिजाइन और विश्लेषण (पिछले शीर्षक से संबंधित नहीं)

डेटा का उपयोग कर प्रक्रिया में सुधार (मुफ्त ऑनलाइन या पीडीएफ के रूप में, अध्याय 5 कवर DoE)

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.