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।