অ-পরিসংখ্যানবিদদের দ্বারা আমি একটি দম্পতি আলোচনা দেখেছি যেখানে তারা মনে হয় রিগ্রেশন (বা সমতুল্য / ঘনিষ্ঠ-সম্পর্কিত পরিসংখ্যানগত পরীক্ষা) এর পরিবর্তে পারস্পরিক তথ্য ব্যবহার করে পারস্পরিক সম্পর্ককে পুনরায় উদ্ভাবন করে।
আমি এটি গ্রহণ করার একটা উপযুক্ত কারণ আছে যে পরিসংখ্যানবিদরা এই পদ্ধতিটি গ্রহণ করবেন না। আমার সাধারণ লোকের বোঝা হ'ল এন্ট্রপি / পারস্পরিক তথ্যের অনুমানকারীরা সমস্যাযুক্ত এবং অস্থির হয়ে থাকে। আমি ধরে নিয়েছি যে পাওয়ারটিও সমস্যা হিসাবে রয়েছে ফলে: তারা প্যারামেট্রিক টেস্টিং ফ্রেমওয়ার্ক ব্যবহার করছে না এমন দাবি করে এটিকে ঘিরে চেষ্টা করে। সাধারণত এই ধরণের কাজ পাওয়ার গণনা, এমনকি আত্মবিশ্বাস / বিশ্বাসযোগ্য অন্তর নিয়েও বিরক্ত করে না।
তবে শয়তানের উকিলের অবস্থান নিতে, যখন ডেটাসেটগুলি চূড়ান্ত হয় তখন কি ধীরে ধীরে কনভার্জেশন হয়? এছাড়াও, কখনও কখনও এই পদ্ধতিগুলি এই অর্থে "কাজ" বলে মনে হয় যে সমিতিগুলি ফলো-আপ স্টাডি দ্বারা বৈধতাপ্রাপ্ত। সহযোগিতার পরিমাপ হিসাবে পারস্পরিক তথ্য ব্যবহারের বিরুদ্ধে সর্বোত্তম সমালোচনা কোনটি এবং এটি পরিসংখ্যান চর্চায় কেন ব্যাপকভাবে ব্যবহৃত হয় না?
সম্পাদনা: এছাড়াও, কোনও ভাল কাগজপত্র রয়েছে যা এই বিষয়গুলি কভার করে?