(कुछ) छद्म-यादृच्छिककरण के साथ क्या गलत है

Question

मुझे एक अध्ययन में पता चला, जिसमें मरीज, जिनकी उम्र 50 से अधिक थी, जन्म के वर्ष तक छद्म यादृच्छिक थे। यदि जन्म वर्ष एक समान संख्या, सामान्य देखभाल, यदि विषम संख्या, हस्तक्षेप है।

इसे लागू करना आसान है, यह सबवर्ट करना कठिन है (यह जांचना आसान है कि मरीज को क्या उपचार मिलना चाहिए), यह याद रखना आसान है (असाइनमेंट कई वर्षों तक चला)। लेकिन फिर भी, मुझे यह पसंद नहीं है, मुझे लगता है कि उचित यादृच्छिकरण बेहतर होता। लेकिन मैं क्यों नहीं समझा सकता।

क्या मैं यह महसूस करने के लिए गलत हूं कि, या 'वास्तविक' यादृच्छिकरण पसंद करने का एक अच्छा कारण है?

Comments

साइट पर आपका स्वागत है! यहां अपनी पोस्टिंग देखकर खुशी हुई।

— एंडी डब्ल्यू

उपरोक्त उत्तरों से, मैं जन्म के दिन से "यादृच्छिक" होना बेहतर समझता हूं! उपचार के लिए अजीब दिन, यहां तक ​​कि नियंत्रण करने के लिए दिन ... Adalberto

— AADF

@ अब्दलबर्तो मुख्य बिंदु को याद करता है, जो यह है कि समूहों को विषयों को असाइन करने की किसी भी निश्चित, गैर-यादृच्छिक प्रक्रिया को वांछनीय गुणों के साथ होने का आश्वासन नहीं दिया जा सकता है जो एक यादृच्छिक प्रक्रिया है। मान लीजिए कि आप इस तरह के एक अध्ययन पर समय बिताने के बाद ही एक समीक्षक को उपचार और जन्म दिन की समानता के बीच एक अप्रत्याशित लेकिन मजबूत कन्फ्यूडर बताते हैं? क्योंकि हम इस तरह के सभी उलझनों का अनुमान नहीं लगा सकते हैं, हम यादृच्छिक असाइनमेंट के माध्यम से समस्या को दूर कर देते हैं।

— whuber

Answer 1

आपको संदेह होना सही है। सामान्य तौर पर, किसी को 'वास्तविक' रैंडमाइजेशन का उपयोग करना चाहिए, क्योंकि आमतौर पर किसी को प्रासंगिक कारकों (अनॉब्सर्वबल्स) के बारे में सभी ज्ञान नहीं होता है। यदि उन में से एक अप्राप्य को उम्र के साथ या विषम होने के साथ सहसंबद्ध किया जाता है, तो यह भी कि उनका उपचार प्राप्त हुआ है या नहीं। यदि यह मामला है, तो हम उपचार प्रभाव की पहचान नहीं कर सकते हैं: हमारे द्वारा देखे जाने वाले प्रभाव उपचार के कारण, या बिना बताए कारक (नों) के कारण हो सकते हैं।

यह वास्तविक यादृच्छिककरण के साथ कोई समस्या नहीं है, जहां हम उपचार और अप्राप्य वस्तुओं के बीच किसी भी निर्भरता की उम्मीद नहीं करते हैं (हालांकि, छोटे नमूनों के लिए यह वहां हो सकता है)।

एक कहानी बनाने के लिए कि यह यादृच्छिकरण प्रक्रिया एक समस्या क्यों हो सकती है, मान लीजिए कि अध्ययन में केवल 17/18 वर्ष की उम्र के विषय शामिल थे, जब कहते हैं, वियतनाम युद्ध शुरू हो गया। 17 के साथ ड्राफ्ट किए जाने का कोई मौका नहीं था (अगर मैं उस पर गलत हूं तो मुझे सही करो), जबकि 18 पर वह मौका था। यह मानते हुए कि मौका गैर-योग्य था और यह कि युद्ध का अनुभव लोगों को बदलता है, इसका मतलब है कि, सालों बाद, ये दो समूह अलग हैं, भले ही वे सिर्फ 1 साल अलग हैं। तो शायद उपचार (दवा) ऐसा लगता है कि यह काम नहीं करता है, लेकिन क्योंकि केवल वियतनाम के दिग्गजों के साथ समूह ने इसे प्राप्त किया, यह वास्तव में इस तथ्य के कारण हो सकता है कि यह पीटीएसडी (या संबंधित अन्य कारकों) वाले लोगों पर काम नहीं करता है वयोवृद्ध होना)। दूसरे शब्दों में, आपको उपचार प्रभाव को पहचानने के लिए उपचार को छोड़कर, दोनों समूहों (उपचार और नियंत्रण) की आवश्यकता है।

इसलिए जब तक आप इस बात से इंकार नहीं कर सकते कि समूहों के बीच कोई अंतर-रहित अंतर नहीं है (लेकिन आप ऐसा कैसे करते हैं कि अगर यह नहीं देखा जाता है?), तो वास्तविक यादृच्छिकरण बेहतर है।

Comments

धन्यवाद। अच्छा उदाहरण है। (मैं इसे छद्म-यादृच्छिककरण कहना भूल गया, मैंने इसे प्रश्न में संपादित किया है)।

— जेरेमी मील्स

(+1) जैसा कि मैं सवाल पढ़ रहा था, वियतनाम पहला उदाहरण था जो तुरंत दिमाग में आया। यह देखने के लिए आप बहुत ही सौदा ले लिया था चकित था। मुझे लगता है कि यह सबसे स्पष्ट पसंद है जो विषयों की बताई गई उम्र को देखते हुए है, हालांकि 60 के दशक के मध्य में उम्र थोड़ा करीब है।

— कार्डिनल

ऑफ-टॉपिंग पिंग के लिए माफी: मेटा [यादृच्छिक-प्रयोग] को [यादृच्छिक-आवंटन] टैग ( आँकड़े.मेटा.स्टैकएक्सचेंज . com/a/4651 ) का एक पर्याय बनाने के लिए सुझाव है । इस सुझाव के लिए यहां वोट देने के लिए आपकी इस टैग में पर्याप्त प्रतिष्ठा है: आंकड़े . stackexchange.com/tags/random-allocation/synonyms - इसे अब गुजरने के लिए 4 upvotes की आवश्यकता है। यदि आप प्रस्ताव से असहमत हैं, तो यह बताने के लिए मेटा पर टिप्पणी करने पर विचार करें कि क्यों। मैं जल्द ही इस टिप्पणी को हटा दूंगा। चीयर्स।

— अमीबा का कहना है कि

Answer 2

समय-समय पर विरोधाभासी विचारों को बनाए रखने के लिए यह एक अच्छा अभ्यास है, इसलिए मुझे छद्म यादृच्छिकता के इस रूप के पक्ष में कुछ कारणों की पेशकश करके शुरू करना चाहिए। वे, मुख्य रूप से, कि यह व्यवस्थित नमूने के किसी भी अन्य रूप से थोड़ा अलग है , जैसे कि खेत में एक ग्रिड के बिंदु पर पर्यावरण मीडिया के नमूने प्राप्त करना या किसी अन्य पेड़ में नमूना लेना, और इसलिए यह नमूना तुलनात्मक फायदे का आनंद ले सकता है। ।

सादृश्य यहाँ एकदम सही है: उम्र गया था "gridded" साल से साथ इस (एक आयामी) ग्रिड में बारी-बारी समूहों के लिए शून्य का एक मूल और असाइनमेंट पर शुरू। इस दृष्टिकोण के कुछ फायदे विस्तृत गारंटी देने के लिए हैं, यहां तक ​​कि पूरे क्षेत्र या बाग (या इस मामले में आयु) में नमूने का फैलाव, जो स्थान (या समय) से संबंधित प्रभावों को भी बाहर निकालने में मदद करता है। यह विशेष रूप से उपयोगी हो सकता है जब सिद्धांत बताता है कि प्रतिक्रिया की भिन्नता में स्थान प्रमुख कारक है। इसके अलावा, वास्तव में छोटे नमूनों को छोड़कर, जैसे कि डेटा का विश्लेषणवे एक साधारण यादृच्छिक नमूना थे जो अपेक्षाकृत कम त्रुटि का परिचय देते हैं। इसके अलावा, कुछ यादृच्छिककरण संभव है: क्षेत्र में हम बेतरतीब ढंग से ग्रिड की उत्पत्ति और अभिविन्यास चुन सकते हैं। वर्तमान मामले में, हम कम से कम यादृच्छिकता कर सकते हैं कि क्या वर्ष भी नियंत्रण या उपचार विषय हैं।

ग्रिड किए गए नमूने का एक और फायदा स्थानीयकृत भिन्नता का पता लगाना है। क्षेत्र में, यह असामान्य प्रतिक्रियाओं की "जेब" होगा। सांख्यिकीय रूप से, हम उन्हें स्थानिक सहसंबंध की अभिव्यक्तियों के रूप में सोच सकते हैं । वर्तमान स्थिति में, अगर कुछ मौका है कि एक अपेक्षाकृत संकीर्ण आयु सीमा असामान्य प्रतिक्रियाओं का अनुभव करती है, तो ग्रिड डिजाइन एक उत्कृष्ट विकल्प है, क्योंकि संयोग से एक विशुद्ध रूप से यादृच्छिक डिजाइन समूहों में से एक में उम्र के बड़े अंतराल हो सकते हैं। (लेकिन एक बेहतर डिजाइन स्तरीकरण करने के लिए हो सकता है: दो विश्लेषणात्मक स्तर बनाने के लिए उम्र की समता का उपयोग करें और फिर, स्वतंत्र रूप से प्रत्येक स्ट्रैटम के भीतर, रोगियों को नियंत्रण और उपचार समूहों में यादृच्छिक करें।)

$9$ , जो कि कुछ क्षेत्रों में काम करते हैं, जैसे कि अभिनय, अपनी रिपोर्ट की गई आयु को कम करते हैं, और अन्य लोग अपनी उम्र को बढ़ा देंगे विभिन्न प्रयोजनों के लिए।) इस प्रकार, कम से कम अमेरिका के कम से कम कुछ क्षेत्रों में थोड़ी सी डिग्री (और दुनिया में कहीं और भी अधिक), किसी की कथित उम्र की समानता की संभावना हैप्रयोग के लिए महत्वपूर्ण कारकों के साथ जुड़ा होना। यह काल्पनिक से कम प्रश्न में चिंता का कारण बनता है: यह वास्तविक है। इस बिंदु पर, इस थ्रेड में पिछले उत्तर संभवतः मेरे द्वारा किए जाने वाले अतिरिक्त विचारों को प्रस्तुत करते हैं, इसलिए मैं उन्हें बंद करने और उन्हें फिर से पढ़ने के लिए आमंत्रित करूंगा।

Comments

(+1) विशेष रूप से, प्रतिवाद सेट अप के लिए।

— कार्डिनल

Answer 3

मैं सहमत हूं कि आपके द्वारा दिया गया उदाहरण बहुत सहज है लेकिन ...

यदि इसमें शामिल एजेंट (या तो हस्तक्षेप से निपटने वाले व्यक्ति या हस्तक्षेप प्राप्त करने वाले व्यक्ति) असाइनमेंट स्कीम से अवगत हो जाते हैं, तो वे इसका लाभ उठा सकते हैं। इस तरह के स्व चयन काफी स्पष्ट होना चाहिए कि यह सबसे प्रयोगात्मक डिजाइनों में समस्याग्रस्त क्यों है।

एक उदाहरण जो मैं जानता हूं कि अपराधशास्त्र इस तरह से है; यह प्रयोग घरेलू विवाद के बाद जेल में एक रात के निवारक प्रभाव का परीक्षण करने के लिए किया गया था। बस अपराधी को रात के लिए रवाना होने के लिए कहा गया था। अधिकारियों को चादरों की एक बुकलेट दी गई थी, और शीर्ष पर वर्तमान शीट के रंग की पहचान यह थी कि परिधि का क्या इलाज है। विशेष घटना में प्राप्त करने वाला था।

क्या खत्म हो रहा है अधिकारियों ने जानबूझकर अध्ययन डिजाइन की अवज्ञा की थी, और व्यक्तिगत वरीयताओं के आधार पर एक शीट को चुना था कि क्या किया जाना चाहिए। यह चरम से बाहर नहीं है संदेह करने के लिए इसी तरह के वर्षों की धोखाधड़ी आपके उदाहरण में कम से कम संभव है।

Comments

अच्छा उदाहरण, धन्यवाद, लेकिन तर्क का हिस्सा यह था कि ठगना बहुत कठिन था - वे यह तर्क नहीं दे सकते थे कि शीट पीले (कहना) थी, क्योंकि मैं जन्म की तारीख की जांच कर सकता हूं और देख सकता हूं कि क्या वे सही तरीके से असाइन किए गए थे।

— जेरेमी मील्स

मैं मानता हूं @JeremyMiles, यह सिर्फ एक और कारण है, हालांकि डबल-ब्लाइंड रैंडमाइज्ड स्टडीज के लिए। यह छद्म यादृच्छिकरण के विरूद्ध केवल एक तर्कपूर्ण तर्क है - कि वास्तविक यादृच्छिकरण की तुलना में इच्छित उपचार को दरकिनार करना आसान है। (मेरा उदाहरण वास्तव में छद्म यादृच्छिकरण का उदाहरण नहीं है, लेकिन यह पूरी तरह से स्पष्ट करता है।)

— एंडी डब्ल्यू

खैर, यह इस बात पर निर्भर करता है कि कैसे (सही) यादृच्छिकरण किया गया था - अध्ययन में शामिल लोगों ने आंशिक रूप से तोड़फोड़ की समस्याओं से बचने के लिए ऐसा किया था। यदि आप वास्तविक यादृच्छिकता का उपयोग करते हैं, तो आपको यह सुनिश्चित करने के लिए अच्छे रिकॉर्ड की आवश्यकता होती है कि जो व्यक्ति यादृच्छिकता निर्धारित करता है वह उपचार देने वाले व्यक्ति के साथ संचार करता है, और वितरित करने वाला व्यक्ति सही काम करता है। आपके उदाहरण के साथ, यदि वे मकान नंबर (कहते हैं) का उपयोग करते हैं, तो अधिकारियों को कठिन समय के लिए सबवर्टिंग करना पड़ सकता है, भले ही यह यादृच्छिक नहीं था।

— जेरेमी मील्स

ऑफ-टॉपिंग पिंग के लिए माफी: मेटा [यादृच्छिक-प्रयोग] को [यादृच्छिक-आवंटन] टैग ( आँकड़े.मेटा.स्टैकएक्सचेंज . com/a/4651 ) का एक पर्याय बनाने के लिए सुझाव है । इस सुझाव के लिए यहां वोट देने के लिए आपकी इस टैग में पर्याप्त प्रतिष्ठा है: आंकड़े . stackexchange.com/tags/random-allocation/synonyms - इसे अब गुजरने के लिए 4 upvotes की आवश्यकता है। यदि आप प्रस्ताव से असहमत हैं, तो यह बताने के लिए मेटा पर टिप्पणी करने पर विचार करें कि क्यों। मैं जल्द ही इस टिप्पणी को हटा दूंगा। चीयर्स।

— अमीबा का कहना है कि

Answer 4

यादृच्छिक वितरण के आधार पर पूर्ण रैंडमाइजेशन अनुमानित नहीं है, आपके मामले में यह ज्ञात है कि पात्रता की पुष्टि से पहले एक मामला हस्तक्षेप या नियंत्रण को सौंपा जाएगा या नहीं।