যদি 'পারস্পরিক সম্পর্ক কার্যকারণকে বোঝায় না', তবে যদি আমি একটি পরিসংখ্যানগতভাবে উল্লেখযোগ্য পারস্পরিক সম্পর্ক খুঁজে পাই, তবে আমি কীভাবে কার্যকারিতা প্রমাণ করতে পারি?

Question

আমি বুঝতে পারি যে পারস্পরিক সম্পর্ক কার্যকারণ নয় । মনে করুন আমরা দুটি ভেরিয়েবলের মধ্যে উচ্চতর সম্পর্ক স্থাপন করি। এই পারস্পরিক সম্পর্ক আসলে কার্যকারণের কারণেই আপনি কীভাবে পরীক্ষা করবেন? অথবা, কোন অবস্থার অধীনে, আমরা দুই বা ততোধিক ভেরিয়েবলের মধ্যে কার্যকারক সম্পর্কটি হ্রাস করতে পরীক্ষামূলক ডেটা ব্যবহার করতে পারি?

Comments

এটি পরীক্ষামূলক ডেটা প্রয়োজন হবে। আপনি যে পরীক্ষামূলক নকশাটি উল্লেখ করেছেন তা দয়া করে বর্ণনা করুন।

— ফ্র্যাঙ্ক হ্যারেল

স্যার, আমার কাছে কোনও পরীক্ষামূলক ডেটা নেই। আমি বুঝতে চেয়েছিলাম যে কার্যকারিতা হ্রাস করতে কোন ধরণের নিয়ন্ত্রিত পরীক্ষাগুলি করা দরকার?

— মনীশ বার্নওয়াল

অনেকগুলি সম্ভাব্য ডিজাইন রয়েছে। সংক্ষেপে আপনি শারীরিকভাবে সমস্ত অন্যান্য পরিবর্তনকগুলি নিয়ন্ত্রণ করার চেষ্টা করেছেন এবং আগ্রহের একটি কারণকে আলাদা করতে পারেন, বা আপনি পরীক্ষামূলক হেরফেরটির প্রয়োগটি এলোমেলোভাবে ব্যবহার করেন যা অন্য সমস্ত সম্ভাব্য ব্যাখ্যার প্রভাবগুলিকে "গড়পড়তা" করে দেয়।

— ফ্রাঙ্ক হ্যারেল

সংক্ষেপে, আপনার কোনও প্রকারের বহিরাগত প্রকরণ প্রয়োজন।

— আবুমান

পারস্পরিক সম্পর্কযুক্ত Xএবং Yএকে অপরের কারণ হিসাবে নির্বাচন করুন যা দায়বদ্ধতার অনুভূতি হ্রাস করবে এবং ভাগ্যের অনুভূতি সর্বাধিকতর করবে।

— ttnphns

Answer 1

2 ভেরিয়েবলের পারস্পরিক সম্পর্কযুক্ত হওয়ার খুব সম্ভবত কারণ হ'ল তাদের পরিবর্তনগুলি তৃতীয় ভেরিয়েবলের সাথে যুক্ত। অন্যান্য সম্ভাব্য কারণগুলি হ'ল সুযোগ (যদি আপনি পারস্পরিক সম্পর্কের জন্য পর্যাপ্ত নন-পারস্পরিক সম্পর্কযুক্ত ভেরিয়েবলগুলি পরীক্ষা করেন, কেউ কেউ পারস্পরিক সম্পর্ক দেখান), বা একাধিক পদক্ষেপে জড়িত এমন অতি জটিল প্রক্রিয়া isms

এই উদাহরণগুলির জন্য http://tylervigen.com/ দেখুন :

এ -> বি এর আত্মবিশ্বাসের কারণটি নির্ধারণ করতে আপনার এমন একটি পরীক্ষা দরকার যা আপনি ভেরিয়েবল এ নিয়ন্ত্রণ করতে পারবেন এবং অন্যান্য ভেরিয়েবলগুলিকে প্রভাবিত করবেন না। তারপরে আপনি পরিমাপ করুন যদি আপনি নিজের ভেরিয়েবল পরিবর্তন করেন তবে A এবং B এর সম্পর্ক এখনও বিদ্যমান আছে।

প্রায় সমস্ত ব্যবহারিক অ্যাপ্লিকেশনগুলির জন্য, অন্যান্য (প্রায়শই অজানা) ভেরিয়েবলগুলিকেও প্রভাবিত করা প্রায় সম্ভব নয়, তাই কার্যকারণের অভাবে প্রমাণ করা আমরা সবচেয়ে ভাল।

কার্যকারণমূলক সম্পর্ক বলতে সক্ষম হওয়ার জন্য আপনি এই অনুমান দিয়ে শুরু করেন যে ২ টি ভেরিয়েবলের কার্যকারণীয় সম্পর্ক রয়েছে, অনুমানকে অস্বীকার করার জন্য একটি পরীক্ষাটি ব্যবহার করুন এবং যদি আপনি ব্যর্থ হন তবে আপনি কিছুটা দৃty়তার সাথে বলতে পারেন যে অনুমানটি সত্য is আপনার ডিগ্রিটি কতটা উচ্চতর হওয়া দরকার তা আপনার গবেষণার ক্ষেত্রের উপর নির্ভর করে।

অনেক ক্ষেত্রে আপনার পরীক্ষার 2 টি অংশ সমান্তরালভাবে চালানো সাধারণ বা প্রয়োজনীয়, একটি যেখানে ভেরিয়েবল এ পরিবর্তন করা হয়েছে, এবং একটি নিয়ন্ত্রণ গ্রুপ যেখানে ভেরিয়েবল এ পরিবর্তন করা হয়নি, তবে পরীক্ষাটি অন্যথায় একই রকম - যেমন ক্ষেত্রে ওষুধ আপনি এখনও একটি সূঁচ দিয়ে বিষয় আটকে বা তাদের বড়ি গ্রাস করতে। যদি পরীক্ষাটি A এবং B এর মধ্যে পারস্পরিক সম্পর্ক দেখায় তবে A এবং B এর মধ্যে নয় (কন্ট্রোল গ্রুপের বি), আপনি কার্যকারিতা অনুমান করতে পারেন।

কার্যকারিতা উপসংহারের অন্যান্য উপায়ও রয়েছে, যদি কোনও পরীক্ষা হয় না হয় সম্ভব হয় না, বা বিভিন্ন কারণে (অনৈতিকতা, নীতিশাস্ত্র, জনসংযোগ, ব্যয়, সময়) অনিবার্য হয়। একটি সাধারণ উপায় হ'ল ছাড় একটি মন্তব্য থেকে একটি উদাহরণ গ্রহণ করে: ধূমপান মানুষের মধ্যে ক্যান্সার সৃষ্টি করে তা প্রমাণ করার জন্য, আমরা একটি পরীক্ষা ব্যবহার করে প্রমাণ করতে পারি যে ধূমপান ইঁদুরের মধ্যে ক্যান্সার সৃষ্টি করে, তারপর প্রমাণ করুন যে মানুষের মধ্যে ধূমপান এবং ক্যান্সারের মধ্যে একটি সম্পর্ক রয়েছে এবং তাই এটি অত্যন্ত চূড়ান্তভাবে নির্ধারণ করুন সম্ভবত ধূমপান মানুষের মধ্যে ক্যান্সার সৃষ্টি করে - এই প্রমাণটিকে আরও শক্তিশালী করা যেতে পারে যদি আমরাও অস্বীকার করি যে ক্যান্সারের কারণে ধূমপান হয়। কার্যকারিতা উপসংহারের আরেকটি উপায় হ'ল পারস্পরিক সম্পর্কের অন্যান্য কারণগুলি বাদ দেওয়া, কার্যকারিতাটিকে পারস্পরিক সম্পর্কের সেরা বাকী ব্যাখ্যা হিসাবে রেখে দেওয়া - এই পদ্ধতিটি সর্বদা প্রযোজ্য নয়, কারণ পারস্পরিক সম্পর্কের সমস্ত সম্ভাব্য কারণগুলি (অন্য উত্তরে "পিছনের দিকের পথগুলি" বলা হয়) মুছে ফেলা কখনও কখনও অসম্ভব। ধূমপান / ক্যান্সারের উদাহরণে আমরা সম্ভবত এই পদ্ধতির ব্যবহার প্রমাণ করতে পারি যে ধূমপান ফুসফুসের টারের জন্য দায়ী, কারণ এর পক্ষে এতগুলি সম্ভাব্য উত্স নেই।

"প্রমাণিত" কার্যকারণের এই অন্যান্য উপায়গুলি বৈজ্ঞানিক দৃষ্টিকোণ থেকে সর্বদা আদর্শ নয়, কারণ এগুলি একটি সহজ পরীক্ষার মতো চূড়ান্ত নয়। বিশ্বব্যাপী উষ্ণায়ন বিতর্ক একটি দুর্দান্ত উদাহরণ যা দেখায় যে পুনরাবৃত্তিমূলক পরীক্ষার মাধ্যমে এখনও শেষ পর্যন্ত প্রমাণিত হয়নি এমন কারণকে বরখাস্ত করা কত সহজ।

কমিক রিলিফের জন্য, এখানে এমন একটি পরীক্ষার উদাহরণ যা প্রযুক্তিগতভাবে প্রশ্রয়যোগ্য, তবে বৈজ্ঞানিক কারণে (নৈতিকতা, নৈতিকতা, জনসংযোগ, ব্যয়) কারণে যুক্তিযুক্ত নয়:

Comments

এটি অত্যন্ত শক্তিশালী একটি শর্ত। মহামারীবিজ্ঞানের ক্ষেত্রে প্রয়োজনীয়তাগুলি কম কঠোর হয় কারণ একটি পরীক্ষা নিয়ন্ত্রণ করা সবচেয়ে

— অবৈজ্ঞানিক

পার্ল যে উদাহরণটি দেখিয়েছে যে ধূমপান মানুষের মধ্যে ক্যান্সার সৃষ্টি করে তা হ'ল সামনের দরজা পদ্ধতি যার মাধ্যমে টারকে ধূমপান এবং ক্যান্সারের মধ্যে অন্তর্বর্তী পরিবর্তনশীল হিসাবে দেখা হয়। "আদর্শ নয়" বলতে আপনি কী বোঝেন তা আমি জানি না। মানুষকে ধূমপান করতে বাধ্য করা এবং ক্যান্সার হয়েছে কিনা তা দেখার চেয়ে স্পষ্টতই এটি আরও আদর্শ!

— নিল জি

@ নীল "মানুষকে ধূমপান করতে বাধ্য করা এবং তাদের ক্যান্সার হয়েছে কিনা তা দেখার চেয়ে নিশ্চিতভাবেই এটি আদর্শ" - যদি লক্ষ্যটি কার্যকারণীয় সম্পর্ক প্রমাণ করা হয় তবে আমি দৃ strongly়ভাবে একমত নই। অন্যদিকে, যদি লক্ষ্যটি নৈতিক সমস্যা, হ্রাস তহবিল বা লিঞ্চের ভিড় এড়ানো হয় তবে এটি আরও আদর্শ, হ্যাঁ।

— পিটার

Answer 2

নকশাটি পরীক্ষামূলক বা পর্যবেক্ষণমূলক কিনা তা বিবেচনা না করেই, ভেরিয়েবল এ এবং ফলাফল Y এর মধ্যে সংযুক্তি যদি A এবং Y এর মধ্যে খোলা ব্যাকডোর পথ না থাকে তবে A এবং Y এর মধ্যে একটি কার্যকরী সম্পর্ককে প্রতিফলিত করে Y

পরীক্ষামূলক নকশায়, এটি এক্সপোজার বা চিকিত্সা কার্যক্রমে র্যান্ডমাইজেশন দ্বারা খুব সহজেই অর্জন করা যায়। আদর্শ র্যান্ডমাইজেশন ব্যতীত, অ্যাসোসিয়েশনাল ট্রিটমেন্ট এফেক্ট এক্সচেঞ্জিবিলিটি (চিকিত্সা কার্যনির্বাহী সত্য-প্রতিক্রিয়া ছাড়াই স্বাধীন) অনুমানের অধীনে কার্যকারিতা প্রভাবের একটি নিরপেক্ষ অনুমান হয় ...

তথ্যসূত্র

হার্নান, রবিনস কার্যকারণ অনুমান
মুক্তা। পরিসংখ্যানগুলিতে কার্যকারিতা: একটি ওভারভিউ

পিএস আপনি এই বিষয়টির আরও তথ্যের জন্য কার্যকারিতা এবং নীচের নামগুলি (শুরু করার জন্য) গুগল করতে পারেন: জুডিয়া পার্ল, ডোনাল্ড রুবিন, মিগুইল হার্নান।

Comments

এখানে দেখুন: en.wikedia.org/wiki/Crerelation_does_not_imply_causation আমি অ্যাশের বক্তব্যের বিরোধিতা করছি: নকশাটি পরীক্ষামূলক বা পর্যবেক্ষণমূলক কিনা তা বিবেচনা না করেই, ভেরিয়েবল এ এবং ফলাফলের মধ্যে একটি সংযুক্তি যদি এ এবং ওয়াইয়ের মধ্যে কার্যকরী সম্পর্ককে প্রতিফলিত করে তবে এ এবং ওয়াইয়ের মধ্যে কোনও উন্মুক্ত দরজা পথ নেই example উদাহরণস্বরূপ আইসক্রিম বিক্রয়, সুইমিংপুলে ওয়াইয়ের মৃত্যু; পারস্পরিক সম্পর্কযুক্ত, তবে তাদের বৃদ্ধি বা হ্রাসের কারণ হ'ল তাপমাত্রা। হতে পারে অ্যাশের অর্থ খোলা ব্যাকডোর পাথ উভয়ই তৃতীয় ভেরিয়েবলের উপর নির্ভর করে তবে তার গঠন খুব অস্পষ্ট।

— কার্ল

আপনার উদাহরণের পিছনের দরজা পথটি theতু। একটি পিছনের পথ মানে তৃতীয় পরিবর্তনশীল।

— নিল জি

কার্যকারিতা অধ্যয়নের জন্য জুডিয়া পার্লের অবদানের সাথে অপরিচিত যারা, তাদের জন্য অ্যাসোসিয়েশন ফর কম্পিউটিং মেশিনারি ওয়েবসাইট থেকে তাঁর জীবনীটি পড়তে সহায়ক হতে পারে , যা তাকে ২০১১ সালের ট্যুরিং অ্যাওয়ার্ডে ভূষিত করেছিল। পার্ল আমস্ট্যাট নিউজের সাথে একটি সাক্ষাত্কারে পরিসংখ্যান শিক্ষার পাঠ্যক্রমের ক্ষেত্রে কার্যনির্বাহীকরণের আরও আলোচনার অন্তর্ভুক্ত করার প্রয়োজনীয়তার বিষয়ে আলোচনা করে ।

— jthetzel

মন্তব্যগুলি বর্ধিত আলোচনার জন্য নয়; এই কথোপকথন চ্যাটে সরানো হয়েছে ।

— gung - পুনর্বহাল মনিকা

Answer 3

বিবাহবিচ্ছেদ আয়ের হার বৃদ্ধি বিবেচনা করুন, আইনজীবী আয়ের বৃদ্ধি সঙ্গে সম্পর্কযুক্ত।

স্বজ্ঞাতসারে এটি মেট্রিকগুলি পরস্পর সম্পর্কযুক্ত হওয়া উচিত বলে মনে হয়। আরও বিবাহবিচ্ছেদের জন্য আরও দম্পতিরা (দাবি) ফাইল দেয়, তাই আরও আইনজীবী (সরবরাহ) তাদের দাম বাড়ায়।

মনে হচ্ছে যে বিবাহবিচ্ছেদ হার বৃদ্ধি ঘটায় , আইনজীবী আয় বৃদ্ধি কারণ দম্পতিরা কাছ থেকে অতিরিক্ত চাহিদা সৃষ্ট আইনজীবীরা তাদের মূল্যের বাড়াতে।

বা, এটি পিছনে? আইনজীবীরা যদি ইচ্ছাকৃতভাবে এবং স্বাধীনভাবে তাদের দাম বাড়িয়ে দেয়, তবে তাদের নতুন উপার্জনটি বিবাহবিচ্ছেদের বিজ্ঞাপনে ব্যয় করবে? এটিও একটি কল্পনাযোগ্য ব্যাখ্যা বলে মনে হচ্ছে seems

এই পরিসংখ্যান তৃতীয়, ব্যাখ্যামূলক ভেরিয়েবলগুলির নির্বিচারে সংখ্যা চিত্রিত করে যা একটি পরিসংখ্যান বিশ্লেষণ প্রদর্শন করতে পারে। নিম্নোক্ত বিবেচনা কর:

1. আপনি প্রতিটি ডেটাপয়েন্ট নিয়োগ করতে পারবেন না,
2. আপনি প্রতিটি অ-ব্যাখ্যামূলক ডেটাপয়েন্ট নিয়োগ করতে চান,
3. আপনি যদি কোনও ডেটাপয়েন্টটি মাপতে থাকেন তবে কেন এটি মুছে ফেলা যায় তা কেবল আপনি ন্যায়সঙ্গত করতে পারেন।

আপনার একটি ঝাঁকুনি আছে আপনি প্রতিটি ডেটাপয়েন্টটি পরিমাপ করতে পারবেন না, আপনি যদি অ-ব্যাখ্যামূলক ডেটাপয়েন্টগুলিকে উপেক্ষা করে ন্যায়সঙ্গত করতে চান তবে আপনাকে সেগুলি পরিমাপ করা দরকার। (আপনি কিছু ডেটাপয়েন্টগুলি পরিমাপ না করেই মুছে ফেলতে পারেন , তবে আপনাকে অন্তত তাদের ন্যায্যতা দেওয়া দরকার))

আনবাউন্ডেড সিস্টেমে কার্যকারণের কোনও প্রমাণ সঠিক হতে পারে না।

Answer 4

যদি ক এবং বি পরস্পর সম্পর্কযুক্ত হয় এবং আপনার কাকতালীয়তা বাদ দেওয়া হয়, সম্ভবত এটি সম্ভবত বি এর কারণ হয়, বা বি এর কারণ হয়, বা কিছু সম্ভবত অজানা কারণে এক্স এ এবং বি উভয়ের কারণ হয়ে থাকে X

প্রথম পদক্ষেপটি একটি সম্ভাব্য প্রক্রিয়া পরীক্ষা করা হবে। আপনি কী ভাবতে পারেন যে কীভাবে এ বি, বা বিপরীতে কেস করতে পারে, বা এক্স কী ধরণের কারণ হতে পারে? (এটি ধরে নেওয়া হচ্ছে যে কোনও কারণ প্রমাণের চেষ্টা করার জন্য এই পরীক্ষাটি পরীক্ষা করার চেয়ে সস্তা) আপনি আশাবাদী এমন একটি অবস্থানে এসে পৌঁছেছেন যেখানে কার্যকারিতা প্রদর্শনের জন্য একটি পরীক্ষা সার্থক দেখায়। আপনি পারে আপনি একটি প্রক্রিয়া ভাবতে পারি না এগিয়ে (একটি বি ঘটায় কিন্তু আমরা কোন ধারণা কেন একটি সম্ভাবনা আছে থাকে)।

সেই পরীক্ষায় আপনার সন্দেহজনক কারণটি ইচ্ছামতো পরিচালনা করতে হবে (উদাহরণস্বরূপ যদি কারণটি "পিল এ" গ্রহণ করে তবে কিছু লোক বড়িটি পেয়ে যাবে, অন্যরা তা করবে না)। তারপরে আপনি সাধারণ সতর্কতা অবলম্বন করেন, লোকজনকে এলোমেলোভাবে পিলটি পাওয়া বা না পাওয়া বাছাই করা, আপনি বা যারা পরীক্ষা করেছিলেন তিনি জানেন না যে এই পিলটি কে পেয়েছে এবং কে না। আপনি বাকি পরীক্ষাটিও সমান রাখার চেষ্টা করুন (উইন্ডোতে সূর্যের আলো আসার সাথে একটি চমৎকার উষ্ণ ঘরে লোককে পিল এ প্রদান করার সময় অন্য গ্রুপটি একটি নোংরা, অস্বস্তিকর ঘরে কেবল একটি জাল বড়ি পায় কেবল আপনার ডেটা প্রভাবিত করতে পারে)। সুতরাং যদি আপনি এই সিদ্ধান্তে পৌঁছে যে একমাত্র পার্থক্য হ'ল বড়ি, এবং পিলটি পাওয়ার বা না পাওয়ার কারণটি ছিল এলোমেলো সিদ্ধান্ত যা অন্য কোনও কিছুকে প্রভাবিত করে না,

Answer 5

জ্ঞান এবং পিটার বর্ণিত ইন্টারভেনশনাল (পরীক্ষামূলক) ডেটা কার্যকারণ সম্পর্কের জন্য একটি ভাল কেস তৈরি করার সবচেয়ে সহজ উপায়। তবে, কেবল অ্যাশের উত্তর পর্যবেক্ষণমূলক তথ্যের মাধ্যমে একটি কার্যকরী সম্পর্ক হ্রাস করার সম্ভাবনা উল্লেখ করে। তিনি উল্লেখ করেছেন এমন ব্যাকডোর পদ্ধতি ছাড়াও , সামনের দরজা পদ্ধতি পর্যবেক্ষণের তথ্য এবং কিছু কার্যকরী অনুমানের উপর ভিত্তি করে কার্যকারিতা প্রতিষ্ঠার আরেকটি উপায়। এগুলি জুডিয়া পার্ল আবিষ্কার করেছিলেন। আমি এখানে সংক্ষিপ্ত করে এগুলির একটি রেফারেন্স দেওয়ার চেষ্টা করেছি ।

Answer 6

কার্যকারিতা বিবৃতি দেওয়ার জন্য আপনার কাছে র্যান্ডম স্যাম্পলিং এবং র্যান্ডম অ্যাসাইনমেন্ট উভয়ই থাকা দরকার

• এলোমেলো নমুনা: অধ্যয়নের জন্য প্রতিটি ব্যক্তির বাছাই করার সমান সম্ভাবনা থাকে
• র‌্যান্ডম অ্যাসাইনমেন্ট: পরীক্ষার প্রতিটি পৃথক পৃথক বৈশিষ্ট্য দেখায়।

সুতরাং উপরের নমুনা গোষ্ঠী থেকে একটি চিকিত্সা এবং একটি নিয়ন্ত্রণ গ্রুপ নির্বাচন করার সময়, একই বৈশিষ্ট্যযুক্ত সমান সংখ্যক লোকের চিকিত্সা এবং নিয়ন্ত্রণ গ্রুপ উভয়ই হওয়া উচিত।

চিকিত্সা গ্রুপ গ্রুপ যা ঔষধ লোকেদের দেওয়া হয়। নিয়ন্ত্রণ গ্রুপ গ্রুপ যা ঔষধ দেওয়া হয়। আপনি এমন একটি প্লাসেগো গ্রুপও সংজ্ঞায়িত করতে পারেন যেখানে সাবজেক্টগুলিকে ওষুধ দেওয়া হয় না তবে বলা হয় যে সেগুলি দেওয়া হচ্ছে।

অবশেষে, যদি প্রভাবগুলি চিকিত্সা গোষ্ঠীতে দৃশ্যমান হয় তবে নিয়ন্ত্রণ গোষ্ঠীতে না হয়, তবে আমরা কার্যকারিতা স্থাপন করতে পারি।

Comments

আমার মতে, প্লাসিবো গ্রুপটি একেবারে প্রয়োজনীয়। এছাড়াও, পরীক্ষার বিষয়গুলি পরিচালনা করার জন্য দায়বদ্ধ ব্যক্তিরা অবশ্যই জানেন না যে কোন দলের মধ্যে রয়েছে ("ডাবল ব্লাইন্ড")। যে কোনও কিছু কম আমি অবশ্যই বিশ্বাসযোগ্য নয় consider পরীক্ষা করা সহজ নয়।

— মাফু

— এলোমেলোভাবে

"কার্যকারণমূলক বিবৃতি দেওয়ার জন্য আপনার এলোমেলো নমুনা এবং র্যান্ডম অ্যাসাইনমেন্ট উভয়ই প্রয়োজন" - এটি সত্য নয়। সামনের দরজা এবং পিছনের দরজা পদ্ধতি দেখুন।

— নিল জি