একটি পর্যবেক্ষণে (যেমন, নন-র‌্যান্ডমাইজড) গবেষণায় স্বতন্ত্র স্বাচ্ছন্দীদের নিয়ন্ত্রণ করা কতটা সমস্যাযুক্ত?


11

মিলার এবং চ্যাপম্যান (২০০১) যুক্তি দিয়েছিলেন যে অ-স্বতন্ত্র কোভারিয়েটগুলি যে একটি পর্যবেক্ষণমূলক (নন-র্যান্ডমাইজড) স্টাডিতে স্বতন্ত্র এবং নির্ভরশীল উভয় পরিবর্তনের সাথে সম্পর্কিত তা নিয়ন্ত্রণ করা একেবারেই অনুচিত - যদিও এটি সামাজিক বিজ্ঞানে নিয়মিতভাবে করা হয়। এটি করা কতটা সমস্যাযুক্ত? এই সমস্যাটি মোকাবেলার সেরা উপায় কীভাবে? যদি আপনি নিয়মিতভাবে নিজের গবেষণায় একটি পর্যবেক্ষণ গবেষণায় অ-স্বতন্ত্র কোভেরিয়েটদের নিয়মিত নিয়ন্ত্রণ করেন তবে আপনি কীভাবে এটি ন্যায়সঙ্গত করবেন? পরিশেষে, নিজের সহকর্মীদের সাথে পদ্ধতিটি বিতর্ক করার সময় এটি কি লড়াইয়ের পক্ষে উপযুক্ত (যেমন এটি কি সত্যই গুরুত্ব দেয়)?

ধন্যবাদ

মিলার, জিএ, এবং চ্যাপম্যান, জেপি (2001)। সমবায় সম্পর্কে ভুল বোঝাবুঝি বিশ্লেষণ। অস্বাভাবিক মনোবিজ্ঞানের জার্নাল, ১১০, ৪০-৪৮। - http://mres.gmu.edu/pmwiki/uploads/Main/ancova.pdf


"বহুবিশ্লেখের স্বজ্ঞাত ব্যাখ্যা" সম্পর্কিত নিম্নলিখিত প্রশ্নটি উপরোক্ত প্রসঙ্গে কিছুটা সহায়ক হতে পারে।

উত্তর:


4

এটি সম্পর্কের ডিগ্রির মতোই সমস্যাযুক্ত।

বিড়ম্বনাটি হ'ল যদি কোনও ভেরিয়েবলের সাথে কিছু প্রত্যাশিত পারস্পরিক সম্পর্ক না থাকে তবে আপনি নিয়ন্ত্রণ করতে বিরক্ত করবেন না। এবং, যদি আপনি আশা করেন যে আপনার স্বাধীন পরিবর্তনশীল আপনার নির্ভরশীলকে প্রভাবিত করে তবে অগত্যা কিছুটা উভয়ের সাথেই সম্পর্কযুক্ত। তবে এটি যদি তাদের সাথে অত্যন্ত সংযুক্ত থাকে তবে সম্ভবত এটির জন্য আপনার নিয়ন্ত্রণ করা উচিত নয় কারণ এটি প্রকৃত স্বতন্ত্র বা নির্ভরশীল পরিবর্তনশীলকে নিয়ন্ত্রণ করার মতো।


আমি জানি এটি একটি পুরানো উত্তর, তবে আপনার কি কিছু রেফারেন্স রয়েছে যা আরও বিশদভাবে কব্জায় চলেছে। আপনার প্রথম লাইন, বিশেষত যারা মিলার এবং চ্যাপম্যানের স্পষ্ট উল্লেখের সাথে এটি নিয়ে আলোচনা করেছেন?
জোনা

4

সামাজিক বিজ্ঞানে, আমরা প্রায়শই এই সমস্যাটিকে "পোস্ট চিকিত্সার পক্ষপাত" বলে থাকি। আপনি যদি চিকিত্সার পরে উদ্ভূত ভেরিয়েবলগুলি (কার্যকারক অর্থে) সহ কিছু চিকিত্সার (আপনার স্বতন্ত্র পরিবর্তনশীল) এর প্রভাব বিবেচনা করে থাকেন তবে চিকিত্সার প্রভাব সম্পর্কে আপনার অনুমান পক্ষপাতমূলক হতে পারে। আপনি যদি এই ভেরিয়েবলগুলি অন্তর্ভুক্ত করেন তবে আপনি কোনও অর্থে চিকিত্সার প্রভাবের জন্য নিয়ন্ত্রণ করছেন। যদি চিকিত্সা টি ফলাফল Y এবং অন্যান্য পরিবর্তনশীল A ​​এবং A এর কারণ হয়, তবে A এর জন্য নিয়ন্ত্রণ করা টি এর মাধ্যমে Y এর উপর যে প্রভাব ফেলে তা উপেক্ষা করে This এই পক্ষপাত ইতিবাচক বা নেতিবাচক হতে পারে।

সামাজিক বিজ্ঞানে, এটি বিশেষত কঠিন হতে পারে কারণ A এর ফলে টি হতে পারে, যা A এর পিছনে ফিড দেয় এবং A এবং T উভয়ই Y এর কারণ হয়ে দাঁড়ায় example উদাহরণস্বরূপ, উচ্চ জিডিপি উচ্চ স্তরের গণতন্ত্রকরণ (আমাদের চিকিত্সা) হতে পারে, যা বাড়ে উচ্চতর জিডিপি এবং উচ্চতর জিডিপি এবং উচ্চতর গণতন্ত্রায়ন উভয়ই কম সরকারী দুর্নীতির দিকে পরিচালিত করে বলেছে say যেহেতু জিডিপি গণতন্ত্রায়নের কারণ, যদি আমরা এটির জন্য নিয়ন্ত্রণ না করি, তবে আমাদের একটি প্রসূতি ইস্যু বা "বাদ দেওয়া পরিবর্তনশীল পক্ষপাতিত্ব" রয়েছে। তবে আমরা যদি জিডিপির নিয়ন্ত্রণ রাখি তবে আমাদের পোস্টের চিকিত্সা পক্ষপাত রয়েছে। আমরা যখন পারি তখন এলোমেলোভাবে ব্যবহার করা ট্রায়াল ছাড়া, সাইক্লা এবং চারিবিডিসের মধ্যে জাহাজ চালানোর জন্য আমরা আর কিছু করতে পারি না। গ্যারি রাজা হার্ভার্ড এর "সামাজিক বিজ্ঞান মধ্যে hardest অসমাধিত সমস্যা" উদ্যোগ জন্য তার মনোনয়ন যেহেতু এই বিষয়গুলো সম্পর্কে আলোচনা এখানে


3

আমি এটি দেখতে পাচ্ছি, পর্যবেক্ষণের স্টাডিতে দুটি মূল সমস্যা রয়েছে যা বেশ কয়েকটি স্বতন্ত্র ভেরিয়েবলের "নিয়ন্ত্রণ" করে। 1) আপনার ব্যাখ্যামূলক ভেরিয়েবলগুলি হারিয়ে যাওয়ার সমস্যা রয়েছে এবং এভাবে মডেলটির ভুল বানান। ২) আপনার একাধিক সংযুক্ত স্বতন্ত্র ভেরিয়েবলগুলির সমস্যা রয়েছে - এমন একটি সমস্যা যা (ভাল) নকশা করা পরীক্ষাগুলিতে বিদ্যমান নেই - এবং সত্য যে প্রতিস্থাপনের সহগ এবং আওকোভারার পরীক্ষাগুলি পার্টিয়ালের উপর ভিত্তি করে তাদের ব্যাখ্যা করা শক্ত করে তোলে। প্রথমটি পর্যবেক্ষণ গবেষণার প্রকৃতির অন্তর্নিহিত এবং বৈজ্ঞানিক প্রসঙ্গে এবং প্রতিযোগিতামূলক সম্প্রসারণের প্রক্রিয়াতে সম্বোধন করা হয়। দ্বিতীয়টি শিক্ষার একটি ইস্যু এবং এটি রিগ্রেশন এবং আনকোভা মডেলগুলির স্পষ্ট বোঝার উপর নির্ভর করে এবং সেইগুলি সহগগুলি প্রতিনিধিত্ব করে।

প্রথম ইস্যুর প্রতি শ্রদ্ধা সহ, এটি প্রমাণ করা যথেষ্ট সহজ যে কিছু নির্ভরশীল ভেরিয়েবলের সমস্ত প্রভাবগুলি যদি একটি মডেলের সাথে পরিচিত এবং অন্তর্ভুক্ত থাকে তবে নিয়ন্ত্রণের পরিসংখ্যানিক পদ্ধতিগুলি কার্যকর এবং পৃথক ভেরিয়েবলের জন্য প্রভাবগুলির ভাল পূর্বাভাস এবং অনুমান উত্পাদন করে। "সফট সায়েন্স" এর সমস্যাটি হ'ল প্রাসঙ্গিক প্রভাবগুলি খুব কমই অন্তর্ভুক্ত বা এমনকি পরিচিত ছিল এবং এইভাবে মডেলগুলি দুর্বলভাবে নির্দিষ্ট করা হয়েছে এবং ব্যাখ্যা করা কঠিন। তবুও, এই ডোমেনগুলিতে অনেকগুলি সার্থক সমস্যা রয়েছে। উত্তরগুলির মধ্যে কেবল নিশ্চিততার অভাব রয়েছে। বৈজ্ঞানিক প্রক্রিয়াটির সৌন্দর্য হ'ল এটি স্ব সংশোধনমূলক এবং মডেলগুলি প্রশ্নবিদ্ধ, বিশদভাবে এবং পরিশ্রুত হয়। বিকল্পটি হ'ল পরামর্শ দেওয়ার জন্য হ'ল আমরা পরীক্ষাগুলি ডিজাইন করতে না পারলে বৈজ্ঞানিকভাবে এই বিষয়গুলি তদন্ত করতে পারি না।

দ্বিতীয় সংখ্যাটি আনকোভা এবং রিগ্রেশন মডেলগুলির প্রকৃতির একটি প্রযুক্তিগত সমস্যা। এই সহগ এবং পরীক্ষাগুলি কী উপস্থাপন করে সে সম্পর্কে বিশ্লেষকদের পরিষ্কার হওয়া দরকার need স্বতন্ত্র ভেরিয়েবলগুলির মধ্যে সম্পর্কগুলি রিগ্রেশন সহগ এবং আনকোভা পরীক্ষাগুলিকে প্রভাবিত করে। তারা পার্টিয়াল পরীক্ষা। এই মডেলগুলি প্রদত্ত স্বতন্ত্র ভেরিয়েবল এবং নির্ভরশীল ভেরিয়েবলের বৈকল্পিকতা বের করে যা মডেলের অন্যান্য ভেরিয়েবলগুলির সাথে সম্পর্কিত এবং তারপরে সেই অবশিষ্টাংশগুলির মধ্যে সম্পর্ক পরীক্ষা করে। ফলস্বরূপ, পৃথক সহগ এবং পরীক্ষাগুলি অন্তর্ভুক্ত ভেরিয়েবলগুলির সম্পূর্ণ সেট এবং তাদের আন্তঃসম্পর্ক সম্পর্কিত একটি পরিষ্কার ধারণাগত বোঝার প্রসঙ্গে বাইরে ব্যাখ্যা করা খুব কঠিন। এটি যাইহোক, পূর্বাভাসের জন্য কোনও সমস্যা তৈরি করে না - সুনির্দিষ্ট পরীক্ষা এবং সহগের ব্যাখ্যা দেওয়ার জন্য সতর্ক থাকুন।

একটি পার্শ্ব নোট: উত্তরোত্তর ইস্যুটি এই ফোরামে রিগ্রেশন লক্ষণগুলির বিপরীত বিষয়ে যেমন পূর্বে আলোচিত সমস্যার সাথে সম্পর্কিত - যেমন, নেতিবাচক থেকে ধনাত্মক - যখন অন্যান্য ভবিষ্যদ্বাণীকারীদের একটি মডেল হিসাবে প্রবর্তন করা হয়। সম্পর্কযুক্ত ভবিষ্যদ্বাণীকের উপস্থিতিতে এবং পূর্বাভাসকারীদের পুরো সেটগুলির মধ্যে একাধিক এবং জটিল সম্পর্কের সুস্পষ্ট ধারণা ছাড়াই, একটি (প্রকৃতির আংশিকভাবে) রিগ্রেশন সহগের কোনও নির্দিষ্ট চিহ্ন থাকতে পারে না তা ছাড়ার কোনও কারণ নেই। যখন শক্তিশালী তত্ত্ব এবং সেই আন্তঃসম্পর্ক সম্পর্কিত একটি স্পষ্ট বোঝাপড়া থাকে তখন এই জাতীয় চিহ্ন "বিপরীতগুলি" আলোকিত এবং তাত্ত্বিকভাবে কার্যকর হতে পারে। যদিও, অনেক সামাজিক বিজ্ঞানের জটিলতার কারণে যথেষ্ট পরিমাণে বোঝাপড়া সাধারণ হবে না, আমি আশা করব।

দাবি অস্বীকার: আমি প্রশিক্ষিত হয়ে একজন সমাজবিজ্ঞানী এবং জন নীতি বিশ্লেষক।


2

আমি তাদের কাগজের প্রথম পৃষ্ঠাটি পড়েছি এবং তাই আমি তাদের বক্তব্যটি ভুল বুঝে থাকতে পারি তবে আমার কাছে মনে হয় তারা মূলত বিশ্লেষণে বহু-কোলাইনার স্বাধীন ভেরিয়েবলগুলি যুক্ত করার সমস্যা নিয়ে আলোচনা করছেন। তারা বয়স এবং গ্রেডের যে উদাহরণ নিয়েছে তারা এই ধারণাটি চিত্রিত করে যে তারা বলেছে:

বয়স স্কুলে গ্রেডের সাথে এতটা নিবিড়ভাবে জড়িত যে বয়সের সাথে সম্পর্কিত বাস্কেটবলের ক্ষমতার বৈচিত্র্য অপসারণ গ্রেডের সাথে সম্পর্কিত বাস্কেটবলের ক্ষমতার যথেষ্ট (সম্ভবত প্রায় সমস্ত) প্রকরণকে সরিয়ে দেবে

আঙ্কোভা হ'ল ডেমি ভেরিয়েবল হিসাবে চিহ্নিত স্তরগুলির সাথে লিনিয়ার রিগ্রেশন এবং কোভারিটগুলিও রিগ্রেশন সমীকরণে স্বতন্ত্র ভেরিয়েবল হিসাবে উপস্থিত হয়। সুতরাং, যদি না আমি তাদের বক্তব্য ভুল করে না বুঝি (যা যথেষ্ট সম্ভব যেহেতু আমি তাদের কাগজটি পুরোপুরি না পড়েছি) তবে মনে হয় তারা বলছে যে 'নির্ভরশীল কোভারিটগুলি অন্তর্ভুক্ত করবেন না' যা মাল্টি-কোলাইনারি ভেরিয়েবলগুলি এড়িয়ে যাওয়ার সমতুল্য।


তাদের যুক্তিগুলি প্রতি সেভের সাথে ভেরিয়েবলের সম্পর্কযুক্ত নয়, তবে ভেরিয়েবলগুলি যা একে অপরের থেকে কার্যত অবিচ্ছেদ্য concerns ভেরিয়েবলগুলি যার জন্য প্রায় কেউ বলতে পারে "এটি ব্যতীত অর্থহীন" " পরিসংখ্যান ডিগ্রির পরিবর্তে, যা পরিসংখ্যানগতভাবে মূল্যায়ন করা যায়, ইস্যুটি ধারণাগতভাবে কাজ করা যায় worked বয়স বাড়ানো ছাড়া গ্রেড কি বাড়তে পারে? কষ্টসহকারে। উদ্বেগ না বাড়িয়ে হতাশা কি তীব্র হতে পারে? এটি একটি কঠিন।
Rolando2

1

(বৃহত্তম) সমস্যাটি হ'ল কারণ সমীকরণের পূর্বাভাসকরে গ্রুপ ভেরিয়েবল (গুলি) এবং কোভারিয়েট (গুলি) একসাথে থাকায়, গ্রুপ ভেরিয়েবল (গুলি) আর নেই গ্রুপ ভেরিয়েবল (গুলি), তারা কোভারিয়েট সমেত পার্থক্যযুক্ত সেই ভেরিয়েবলগুলি কী তাই যে গ্রুপ ভেরিয়েবল হিসাবে আপনি ভেবেছিলেন যে আপনি অধ্যয়ন করছেন তা আর স্বীকৃত বা ব্যাখ্যাযোগ্য নয়। বিশাল সমস্যা।

মূল পৃষ্ঠাটি 45 পৃষ্ঠায় রয়েছে "এএনসিওওএ" গ্রুপ "থেকে অর্থবহ বৈকল্পিকতা সরিয়ে দেয় এবং এই গ্রুপের প্রতিনিধিত্বকারী নির্মাণের সাথে একটি অনিশ্চিত সম্পর্কের সাথে একটি অপ্রচলিত, ভেস্টিগাল অবশিষ্টাংশ গ্রুপ পরিবর্তনশীল রেখে যায়"।

আমার বর্তমান সমাধানটি ডিভির বাইরে কোভেরিয়েটের আংশিক হওয়া এবং তারপরে আনকোভা ব্যবহারের বিকল্প হিসাবে একটি নিয়মিত আনোভাতে ডিভি অবশিষ্টাংশ জমা দিন।


2
কিন্তু এটি আঙ্কোভা সমান ?!

0

গ্যারি কিং এবং সহকর্মীদের দ্বারা বিকাশকৃত কিছু ম্যাচিং সরঞ্জামগুলি আশাব্যঞ্জক দেখাচ্ছে:


২ য় লিঙ্কটি এখন আর নেই।
Rolando2

সেখানে তালিকাভুক্ত অনেকগুলি সফ্টওয়্যার সরঞ্জামগুলির মধ্যে কোনটি আপনি সুপারিশ করেন?
Rolando2
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.