যন্ত্রের অভাবে আমরা পর্যবেক্ষণের তথ্যগুলিতে মডেলগুলি সম্পর্কে কী বলতে পারি?


10

অতীতে আমি এমন অনেক অঞ্চলে প্রকাশিত কাগজপত্র সম্পর্কিত আমার সম্পর্কে অনেকগুলি প্রশ্ন জিজ্ঞাসা করেছি যেখানে পর্যবেক্ষণমূলক ডেটাগুলিতে রিগ্রেশন (এবং সম্পর্কিত মডেল যেমন প্যানেল মডেল বা জিএলএম) ব্যবহার করা হয় (যেমন নিয়ন্ত্রিত পরীক্ষার মাধ্যমে ডেটা তৈরি হয় না) , অনেক ক্ষেত্রে - তবে সর্বদা নয় - সময়ের সাথে সাথে ডেটা পর্যবেক্ষণ করা হয়) তবে যেখানে উপকরণের ভেরিয়েবলগুলি প্রবর্তনের কোনও প্রচেষ্টা করা হয় না।

আমি প্রতিক্রিয়াতে বেশ কয়েকটি সমালোচনা করেছি (যেমন পক্ষপাত সহ সমস্যাগুলি বর্ণনা করা যখন গুরুত্বপূর্ণ পরিবর্তনশীলগুলি অনুপস্থিত হতে পারে) তবে যেহেতু এখানকার অন্যান্য ব্যক্তিরা এই বিষয়ে আমার চেয়ে সন্দেহাতীতভাবে আরও বেশি জ্ঞানী হবেন, আমি বুঝতে পেরেছিলাম:

  1. এই ধরনের পরিস্থিতিতে সম্পর্কের বিষয়ে সিদ্ধান্তে পৌঁছানোর চেষ্টা করার প্রধান সমস্যাগুলি / পরিণতিগুলি কী (বিশেষত, তবে কার্যকারণ উপসংহারে সীমাবদ্ধ নয়)?

  2. যন্ত্রের অভাবে এমন মডেলগুলির সাথে খাপ খাইয়ে পড়াশোনার সাথে কি দরকারী কিছু করা যেতে পারে?

  3. এই জাতীয় মডেলিংয়ের সাথে সম্পর্কিত বিষয়ে কিছু ভাল রেফারেন্স (বই বা কাগজপত্র) কী (সাধারণত ফলাফলগুলি স্পষ্ট ননটেকনিক্যাল প্রেরণার সাথে, যেহেতু সাধারণত যে ব্যক্তিরা জিজ্ঞাসা করেন তাদের বিভিন্ন ব্যাকগ্রাউন্ড রয়েছে, কিছু কিছু খুব বেশি পরিসংখ্যান ছাড়াই) যা মানুষ সমালোচনায় উল্লেখ করতে পারে একটি কাগজ? সাবধানতা / যন্ত্র নিয়ে সমস্যা নিয়ে আলোচনাও কার্যকর হবে।

(ইনস্ট্রুমেন্টাল ভেরিয়েবলের বুনিয়াদি রেফারেন্সগুলি এখানে রয়েছে , যদিও আপনার যদি সেখানে যোগ করার মতো কিছু থাকে তবে এটিও সহায়ক হবে))

যন্ত্রের সন্ধান এবং ব্যবহারের ভাল ব্যবহারিক উদাহরণগুলির জন্য পয়েন্টারগুলি বোনাস হবে তবে এই প্রশ্নের কেন্দ্রীয় নয়।

[আমি এই ধরণের প্রশ্ন আমার কাছে আসার কারণে আমি অন্যকে এখানে কোনও উত্তরের উত্তরের দিকে সম্ভবত নির্দেশ করব। আমি যেমন দুটি পেয়েছি সেগুলি যুক্ত করতে পারি]]

উত্তর:


8

সুতরাং আমার ক্ষেত্রের বেশিরভাগ অংশ (যদিও আমি বেশিরভাগ অংশে কাজ করি না) কেবল এটির সাথেই উদ্বিগ্ন - পর্যবেক্ষণের তথ্যগুলিতে জিএলএম-টাইপের মডেলগুলির ফিটিং। বেশিরভাগ ক্ষেত্রে, উপকরণের ভেরিয়েবলগুলি একটি বিরলতা, হয় কৌশলটির সাথে পরিচিতির অভাবের কারণে বা গুরুত্বপূর্ণভাবে, একটি ভাল যন্ত্রের অভাবের কারণে। আপনার প্রশ্নগুলি যাতে যথাযথভাবে সমাধান করতে পারেন:

  1. প্রধান সমস্যাটি অবশ্যই, কোনও অনাবৃত ভেরিয়েবলের দ্বারা একরকম অবশিষ্ট অবলম্বন যা আগ্রহের প্রকাশ এবং ফলাফল উভয়ের সাথেই যুক্ত is সরল ভাষার সংস্করণ হ'ল আপনার উত্তরটি ভুল হতে পারে তবে আপনি কীভাবে বা কেন তা অগত্যা জানেন না। সেই তথ্যের বিষয়ে সিদ্ধান্ত নেওয়া (যেমন কোনও নির্দিষ্ট চিকিত্সা ব্যবহার করা উচিত বা না করা, পরিবেশে এক্স জিনিস বিপজ্জনক কিনা ইত্যাদি) ভুল তথ্য ব্যবহার করে নেওয়া সিদ্ধান্ত।

  2. আমি জোর দিয়েছি যে এর উত্তর হ্যাঁ কারণ বেশিরভাগ ক্ষেত্রে, এই অধ্যয়নগুলি এমন কোনও জায়গায় যাওয়ার চেষ্টা করছে যেখানে অগত্যা কোনও ভাল উপকরণ নেই, বা যেখানে এলোমেলোকরণ অসম্ভব। সুতরাং এটি যখন নেমে আসে, বিকল্পটি "কেবল অনুমান"। এই মডেলগুলি, অন্য কিছু না হলে, আমাদের চিন্তাগুলির একটি আনুষ্ঠানিককরণ এবং উত্তরের নিকটে যাওয়ার দৃ a় প্রচেষ্টা এবং এগুলি সহজেই আঁকড়ে ধরা।

উদাহরণস্বরূপ, আপনি জিজ্ঞাসা করতে পারেন যে উত্তরটি গুণগতভাবে পরিবর্তনের জন্য কতটা গুরুতর হতে হবে (যেমন "হ্যাঁ, এক্স আপনার পক্ষে খারাপ ..."), এবং মূল্যায়ন করুন কিনা তা আপনি মনে করেন যে এটি কোনও অজানা কারণ রয়েছে কিনা? আপনার ডেটা বাইরে লুকিয়ে থাকা শক্তি।

উদাহরণস্বরূপ, এইচপিভি সংক্রমণ জরায়ুর ক্যান্সারের সাথে অত্যন্ত দৃ strongly়রূপে জড়িত তা খুঁজে পাওয়া একটি গুরুত্বপূর্ণ সন্ধান, এবং একটি অপ্রয়োজনীয় ফ্যাক্টরের শক্তি যে পক্ষপাতিত্ব করবে যে শূন্যের সমস্ত পথটি স্তম্ভিতভাবে দৃ strong় হতে হবে।

তদ্ব্যতীত, এটি লক্ষ করা উচিত যে কোনও যন্ত্র এটি ঠিক করে না - এগুলি কেবল কিছু অনুমানযুক্ত সমিতি অনুপস্থিত কাজ করে এবং এলোমেলোভাবে পরীক্ষাগুলিও সমস্যায় ভোগে (চিকিত্সা এবং নিয়ন্ত্রণের মধ্যে পার্থক্যীয় ড্রপআউট, কোনও আচরণ পরিবর্তনের পরে র্যান্ডমাইজেশন, বাস্তবের সাধারণীকরণযোগ্যতা) লক্ষ্য জনসংখ্যা) যা কিছুটা উপরেও লক্ষ্য অর্জন করে।

  1. রথম্যান, গ্রিনল্যান্ড এবং ল্যাশ মডার্ন এপিডেমিওলজির সর্বশেষ সংস্করণ লিখেছিলেন যা মূলত এগুলি সর্বোত্তম উপায়ে করার চেষ্টা করার জন্য উত্সর্গীকৃত একটি বই is

8

ফোমাইটের দ্বারা দেখানো এপিডেমিওলজিস্টের পক্ষের মতামতের বিপরীতে, ইন্সট্রুমেন্টাল ভেরিয়েবলগুলি অর্থনীতিতে একটি অপরিহার্য টুলকিট যা মোটামুটি প্রাথমিকভাবে শেখানো হয়। এর কারণ হ'ল আজকাল অর্থনৈতিক গবেষণায় কার্যকারণমূলক প্রশ্নের জবাব দেওয়ার চেষ্টা করার দিকে এক বিরাট ফোকাস রয়েছে যা কেবল প্রাসঙ্গিকতা এমনকি উদ্বেগজনক হিসাবে বিবেচিতও হয়। মূল সীমাবদ্ধতা হ'ল অর্থশাস্ত্র একটি ক্ষেত্র ছিল এলোমেলোভাবে পরীক্ষা-নিরীক্ষা করা স্বভাবতই কঠিন। যদি আমি জানতে চাই যে কোনও শিশুর দীর্ঘকালীন শিক্ষাগত ফলাফলগুলিতে প্রাথমিক পিতা-মাতার মৃত্যুর প্রভাব কী, তবে বেশিরভাগ লোক এলোমেলো নিয়ন্ত্রণের ট্রেইলের মাধ্যমে এটি করার বিষয়ে আপত্তি জানায় - এবং ঠিক তাই। এমআইটি কোর্সের এই হ্যান্ডআউটটি পরীক্ষার সাথে অন্যান্য কী কী সমস্যা রয়েছে তার পৃষ্ঠা 3-5-এ রূপরেখা দেয়।

ঘুরে প্রতিটি পয়েন্ট ঠিকানা:

  1. যে প্রশ্নের উত্তর দেওয়া হবে তার উপর নির্ভর করে এটি কেবল বাদ দেওয়া পরিবর্তনশীল নয় যা পরীক্ষামূলক অ-পদ্ধতি ব্যবহার না করে পর্যবেক্ষণের ডেটা বিশ্লেষণকে অকার্যকর করতে পারে। নির্বাচনের সমস্যা, পরিমাপ ত্রুটি, বিপরীত কার্যকারিতা বা যুগপততা সমান গুরুত্বপূর্ণ হতে পারে। মূল সমস্যাটি হ'ল ডেটা বিশ্লেষককে এই সেটিংয়ের সীমাবদ্ধতা সম্পর্কে সচেতন হওয়া দরকার। এটি মূলত ব্যবসায়ের ক্ষেত্রে বোঝায় কারণ একাডেমিক দৃশ্যে এটি দ্রুত উন্মোচিত হবে। কখনও কখনও আমি বাজার বিশ্লেষকরা দেখতে পাই যারা কোনও ক্লায়েন্টকে অবহিত করার জন্য দামের স্থিতিস্থাপকতাটি অনুমান করতে চান (উদাহরণস্বরূপ, আমরা করে দাম বাড়িয়ে দিলে চাহিদা কত হ্রাস পাবে)x%), সুতরাং তারা একটি চাহিদা সমীকরণের অনুমান করে এবং চাহিদা এবং সরবরাহ একই সাথে নির্ধারিত হয় এবং এটিকে সম্পূর্ণরূপে ভুলে যায় বা উপেক্ষা করে এবং এটি একটি অন্যটিকে প্রভাবিত করে। সুতরাং পরিণতিগুলি গবেষণার / তথ্য বিশ্লেষকের সচেতনতার উপর অনেক বেশি নির্ভর করে ডেটা নিজেই ডেটাগুলির চেয়ে সীমাবদ্ধতার ক্ষেত্রে, তবে ফলস্বরূপ পরিণতি তুচ্ছ কিছু থেকে শুরু করে প্রসারিত হতে পারে যেখানে তারা নেতিবাচকভাবে মানুষের জীবনকে প্রভাবিত করে।
  2. পারস্পরিক সম্পর্কগুলি দেখানো কখনও কখনও দরকারী হতে পারে, এটি কেবল সত্যের উপর নির্ভর করে। কার্যকারিতা কার্যকর করার জন্য যখন আপনার কোনও প্রাকৃতিক পরীক্ষা হয় তবে তাও যথেষ্ট। চিলির আদমশুমারি তথ্য পর্যবেক্ষণমূলক হতে পারে তবে আপনি যদি জানতে চান যে শেষ ভূমিকম্পটি কীভাবে শিক্ষাগত অর্জনকে প্রভাবিত করেছিল (যেখানে ভূমিকম্পগুলি তর্কসাপেক্ষভাবে বহিরাগত হয়) তবে পর্যবেক্ষণের তথ্যগুলি কার্যকারণমূলক প্রশ্নের উত্তর দেওয়ার জন্যও ঠিক।
    যন্ত্র ছাড়াই দীর্ঘমেয়াদী মূল্যায়ন করাও একটি নির্দিষ্ট ডিগ্রির পক্ষে সম্ভব (উপরের হ্যান্ডআউটে পৃষ্ঠা 9 দেখুন, 'বাদ দেওয়া ভেরিয়েবলের পক্ষপাতের পরিমাণ নির্ধারণ করা')। বাইনারি-পরীক্ষামূলক চিকিত্সার জন্যDiআপনি এই চিকিত্সার প্রভাবটি গণনা করতে পারেন, অবিবেচনাযোগ্যদের জন্যও একই কাজ করতে পারেন এবং পর্যবেক্ষণ করা চিকিত্সার প্রভাবটি ব্যাখ্যা করার জন্য অবিবেচনাযোগ্যদের মধ্যে পরিবর্তনটি কত বড় হতে হবে তা জিজ্ঞাসা করতে পারেন। যদি অরক্ষিত শিফটটি অবশ্যই খুব বড় হওয়া উচিত তবে আমরা আমাদের আবিষ্কারগুলির দিকে আরও কিছুটা বিশ্বস্ত হতে পারি। এর জন্য রেফারেন্স হ'ল অল্টনজি, এল্ডার এবং তাবার (2000)
  3. সম্ভবত কোনও প্রয়োগিত অর্থনীতিবিদ অ্যাংগ্রিস্ট এবং পিসকে (২০০৯) "বেশিরভাগ ক্ষতিগ্রস্থ একনোমেট্রিক্স" এর পরামর্শ দেবেন। যদিও এই বইটি মূলত স্নাতক শিক্ষার্থী এবং গবেষকদের উদ্দেশ্যে করা হয়েছে এটির গণিতের অংশগুলি এড়িয়ে যাওয়া এবং স্বজ্ঞাততা অর্জন করা সম্ভব যা এটিও সুন্দরভাবে ব্যাখ্যা করা হয়েছে। তারা প্রথমে একটি পরীক্ষামূলক সেটিংয়ের ধারণাটি প্রবর্তন করে, তারপরে ওএলএস এবং এর সীমাবদ্ধতাগুলি বাদ দেওয়া ভেরিয়েবলগুলি, যুগপততা, নির্বাচন ইত্যাদি থেকে প্রবণতার সাথে সম্মতি দেয় এবং তারপরে প্রয়োগকৃত সাহিত্যের উদাহরণগুলির একটি ভাল অংশের সাথে ইন্সট্রুমেন্টাল ভেরিয়েবলগুলি নিয়ে ব্যাপক আলোচনা করে। তারা ইনস্ট্রুমেন্টাল ভেরিয়েবল যেমন দুর্বল যন্ত্র বা তাদের মধ্যে অনেকগুলি ব্যবহার করে এমন সমস্যা নিয়েও আলোচনা করে। অ্যাঞ্জিস্ট এবং ক্রুয়েগার (2001) এছাড়াও ইনস্ট্রুমেন্টাল ভেরিয়েবল এবং সম্ভাব্য সমস্যাগুলির একটি অ-প্রযুক্তিগত ওভারভিউ সরবরাহ করে এবং তাদের একটি টেবিলও রয়েছে যা বেশ কয়েকটি গবেষণা এবং তাদের যন্ত্রগুলির সংক্ষিপ্তসার করে।

সম্ভবত এই সমস্তগুলি এখানে একটি সাধারণ উত্তর হওয়া উচিতের চেয়ে দীর্ঘ সময় ধরে ছিল তবে প্রশ্নটি খুব বিস্তৃত। আমি কেবল এই বিষয়টির উপরে জোর দিতে চাই যে উপকরণের ভেরিয়েবলগুলি (যা প্রায়শই খুঁজে পাওয়া শক্ত) আমাদের পকেটের একমাত্র বুলেট নয়। পার্থক্য-মধ্যে-পার্থক্য, রিগ্রেশন বিচ্ছিন্নতা নকশা, ম্যাচিং বা স্থির প্রতিক্রিয়া রিগ্রেশন হিসাবে পর্যবেক্ষণমূলক তথ্য থেকে কার্যকারিতা প্রভাব উদ্ঘাটনের জন্য অন্যান্য অ-পরীক্ষামূলক পদ্ধতি রয়েছে (যদি আমাদের সংঘর্ষকারীরা সময়-আক্রমণকারী হয়)। এগুলি সমস্ত অ্যাঞ্জিস্ট এবং পিসচে (২০০৯) এবং শুরুতে লিঙ্কযুক্ত হ্যান্ডআউটে আলোচিত।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.