जैसा कि मैं इसे देखता हूं, अवलोकन संबंधी अध्ययनों के साथ दो बुनियादी समस्याएं हैं जो कई स्वतंत्र चर के "नियंत्रण" के लिए हैं। 1) आप लापता व्याख्यात्मक चर की समस्या है और इस प्रकार मॉडल गलत निर्धारण। 2) आपके पास कई सहसंबद्ध स्वतंत्र चर की समस्या है - एक समस्या जो (अच्छी तरह से) डिजाइन किए प्रयोगों में मौजूद नहीं है - और तथ्य यह है कि सहसंयोजकों के प्रतिगमन गुणांक और ANCOVA परीक्षण भाग पर आधारित हैं, जिससे उन्हें व्याख्या करना मुश्किल हो जाता है। पहला अवलोकन अनुसंधान की प्रकृति के लिए आंतरिक है और वैज्ञानिक संदर्भ और प्रतिस्पर्धी विस्तार की प्रक्रिया में संबोधित किया गया है। उत्तरार्द्ध शिक्षा का एक मुद्दा है और प्रतिगमन और ANCOVA मॉडल की स्पष्ट समझ पर निर्भर करता है और वास्तव में उन गुणांकों का प्रतिनिधित्व करता है।
पहले अंक के संबंध में, यह प्रदर्शित करना काफी आसान है कि यदि कुछ आश्रित चर पर सभी प्रभाव ज्ञात हैं और एक मॉडल में शामिल हैं, तो नियंत्रण के सांख्यिकीय तरीके प्रभावी हैं और व्यक्तिगत चर के लिए प्रभावों की अच्छी भविष्यवाणी और अनुमान का उत्पादन करते हैं। "सॉफ्ट साइंस" में समस्या यह है कि सभी प्रासंगिक प्रभाव शायद ही कभी शामिल होते हैं या यहां तक कि ज्ञात होते हैं और इस तरह मॉडल खराब तरीके से निर्दिष्ट होते हैं और व्याख्या करना मुश्किल होता है। फिर भी, इन डोमेन में कई सार्थक समस्याएं मौजूद हैं। जवाब बस निश्चितता का अभाव है। वैज्ञानिक प्रक्रिया की सुंदरता यह है कि यह स्वयं सुधारात्मक है और मॉडल से पूछताछ, विस्तृत और परिष्कृत किया जाता है। विकल्प यह है कि जब हम प्रयोगों को डिज़ाइन नहीं कर सकते, तो हम इन मुद्दों की वैज्ञानिक रूप से जांच नहीं कर सकते।
दूसरा मुद्दा ANCOVA और प्रतिगमन मॉडल की प्रकृति में एक तकनीकी मुद्दा है। विश्लेषकों को इस बारे में स्पष्ट होना चाहिए कि ये गुणांक और परीक्षण क्या दर्शाते हैं। स्वतंत्र चर के बीच सहसंबंध प्रतिगमन गुणांक और ANCOVA परीक्षणों को प्रभावित करते हैं। वे विभाजन के परीक्षण हैं। ये मॉडल किसी दिए गए स्वतंत्र चर में निर्भरता को बाहर निकालते हैं और आश्रित चर को जो मॉडल में अन्य सभी चर के साथ जुड़े होते हैं और फिर उन अवशिष्टों में संबंध की जांच करते हैं। नतीजतन, व्यक्तिगत गुणांक और परीक्षण शामिल चर के पूरे सेट की एक स्पष्ट वैचारिक समझ के संदर्भ के बाहर और उनके अंतर्संबंधों को समझना बहुत मुश्किल है। यह, हालांकि, भविष्यवाणी के लिए कोई समस्या नहीं पैदा करता है - बस विशिष्ट परीक्षणों और गुणांक की व्याख्या करने के बारे में सतर्क रहें।
एक साइड नोट: बाद वाला मुद्दा इस फोरम में पहले से चर्चा किए गए एक समस्या से संबंधित है, जो प्रतिगमन संकेतों के उत्क्रमण पर है - जैसे, नकारात्मक से सकारात्मक तक - जब अन्य भविष्यवाणियों को एक मॉडल में पेश किया जाता है। सहसंबद्ध भविष्यवक्ताओं की उपस्थिति में और भविष्यवाणियों के पूरे सेट के बीच कई और जटिल रिश्तों की स्पष्ट समझ के बिना, एक विशेष संकेत होने के लिए (स्वभाव से आंशिक) प्रतिगमन गुणांक का कोई कारण नहीं है। जब मजबूत सिद्धांत और उन अंतर्संबंधों की स्पष्ट समझ होती है, तो ऐसे संकेत "उलट" ज्ञानवर्धक और सैद्धांतिक रूप से उपयोगी हो सकते हैं। हालांकि, कई सामाजिक विज्ञान समस्याओं की जटिलता को देखते हुए पर्याप्त समझ सामान्य नहीं होगी, मुझे उम्मीद है।
अस्वीकरण: मैं प्रशिक्षण द्वारा एक समाजशास्त्री और सार्वजनिक नीति विश्लेषक हूं।