অধ্যয়ন অতিরিক্ত শক্তি চালিত হওয়ার অর্থ কী?

Question

অধ্যয়ন অতিরিক্ত শক্তি চালিত হওয়ার অর্থ কী?

আমার অনুভূতিটি হ'ল এর অর্থ হল যে আপনার নমুনার আকারগুলি এত বড় যে আপনার বিয়োগফলের আকারগুলি সনাক্ত করার ক্ষমতা রাখে। এই প্রভাবগুলির আকারগুলি এত ছোট যে তারা ভেরিয়েবলের মধ্যে একটি (অগত্যা সরাসরি নয়) কার্যকারণ সংযোগের চেয়ে নমুনা প্রক্রিয়ায় সামান্য পক্ষপাতিত্বের ফলস্বরূপ more

এটি কি সঠিক অন্তর্দৃষ্টি? যদি তা হয় তবে আমি যতক্ষণ না এই আলোতে ফলাফল ব্যাখ্যা করা হয় ততক্ষণ আমি বড় চুক্তিটি দেখতে পাচ্ছি না এবং আপনি নিজে নিজে যাচাই করে দেখুন এবং দেখুন যে অনুমানিত প্রভাবের আকারটি "অর্থবহ" হওয়ার পক্ষে যথেষ্ট বড় কিনা।

আমি কিছু অনুপস্থিত করছি? এই দৃশ্যে কী করা উচিত সে সম্পর্কে আরও ভাল সুপারিশ রয়েছে কি?

Comments

এই শব্দটি সম্পর্কে আমার স্বজ্ঞাত বোঝার মতো মনে হচ্ছে।

— হেনরিক

Answer 1

আমি মনে করি আপনার ব্যাখ্যাটি ভুল।

আপনি বলছেন "এই প্রভাবগুলির আকারগুলি এত ছোট যেগুলি নমুনা প্রক্রিয়ায় সামান্য পক্ষপাতের ফলে ভেরিয়েবলগুলির মধ্যে একটি (অগত্যা সরাসরি নয়) কার্যকারণ সংযোগের চেয়ে বেশি ফলাফল হতে পারে" যা বোঝায় যে 'ওভার-পাওয়ারেড' এর পি মান 'সঠিকভাবে' চালিত অধ্যয়ন থেকে পি মান হিসাবে অধ্যয়ন একই ধরণের জিনিস নয়। এটা ভুল। উভয় ক্ষেত্রেই পি মান হ'ল নাল অনুমানটি সত্য হলে, যতটা পর্যবেক্ষণ করা হয়েছে তত চূড়ান্ত বা আরও চরম, ডেটা প্রাপ্তির সম্ভাবনা।

আপনি যদি নেইমন-পিয়ারসন পদ্ধতির পছন্দ করেন তবে 'অতিরিক্ত-চালিত' অধ্যয়ন থেকে প্রাপ্ত মিথ্যা ধনাত্মক ত্রুটির হার একইভাবে আলফা মান উভয়ের জন্য ব্যবহার করা হলে 'সঠিকভাবে' চালিত অধ্যয়নের সমান।

ব্যাখ্যার যে পার্থক্যটি প্রয়োজন তা হ'ল অতিরিক্ত শক্তিযুক্ত অধ্যয়নের জন্য পরিসংখ্যানগত তাত্পর্য এবং বৈজ্ঞানিক তাত্পর্যগুলির মধ্যে একটি আলাদা সম্পর্ক রয়েছে। ফলস্বরূপ, ওভার-পাওয়ারযুক্ত অধ্যয়ন তাত্পর্যপূর্ণ হিসাবে আপনি বলছেন, ক্ষুদ্রতর, এবং তাই সন্দেহজনক গুরুত্বের পরেও তাত্পর্যপূর্ণ তাত্পর্য অর্জনের বৃহত সম্ভাবনা দেবে।

যতক্ষণ না 'ওভার-পাওয়ারেড' অধ্যয়নের ফলাফলগুলি যথাযথভাবে ব্যাখ্যা করা হয় (এবং প্রভাবের আকারের জন্য আত্মবিশ্বাসের বিরতি যেমন এরূপ ব্যাখ্যায় সহায়তা করে) কোনও 'ওভার-পাওয়ার্ড' অধ্যয়ন নিয়ে কোনও পরিসংখ্যানগত সমস্যা নেই। সেই আলোকে, একমাত্র মানদণ্ড যার দ্বারা একটি অধ্যয়ন আসলে অতিরিক্ত শক্তি চালিত হতে পারে তা হ'ল নীতিগত এবং সংস্থানসমূহের বরাদ্দের বিষয়গুলি অন্যান্য উত্তরে উত্থাপিত হয়েছে।

Comments

ধন্যবাদ, এটি খুব তথ্যপূর্ণ। আমি বুঝতে পারি যে পি-মান সংজ্ঞাটি পরিবর্তন হয় না। অবশ্যই একটি পরিসংখ্যানগত দিক থেকে, টাইপ 1 ত্রুটির হার বৃদ্ধি পায় না increase

— ফ্র্যাঙ্ক ব্যারি

সংজ্ঞা অনুসারে, আমরা পি-মান প্রান্তিকতা নির্ধারণের ক্ষেত্রে টাইপ আই ত্রুটির হারটি ঠিক করছি। তবে এটি "পরিসংখ্যান" এবং "ব্যবহারিক" তাত্পর্যটির মধ্যে পার্থক্যের বিষয়টি এখানে সমস্যা বলে মনে হচ্ছে। যখন নমুনা আকারটি প্রত্যাশিত প্রভাবের আকারের চেয়ে অনেক সূক্ষ্ম পার্থক্যগুলি সনাক্ত করতে সক্ষম হয়, তখন একটি পার্থক্য যা সঠিকভাবে পরিসংখ্যানগতভাবে পৃথক হয় তা ব্যবহারিকভাবে অর্থবহ হয় না (এবং "শেষ ব্যবহারকারী" এর দৃষ্টিকোণ থেকে এটি কার্যকরভাবে "মিথ্যা পজিটিভ" হলেও হয় এটি কোনও পরিসংখ্যান নয়)। তবে, আপনি যেমন বলছেন এটি পরিসংখ্যানের ক্ষেত্রের বাইরে যেতে শুরু করে।

— ফ্রাঙ্ক ব্যারি

যেমন আমি মনে করি আমি একমত - "ব্যাখ্যার যে পার্থক্য প্রয়োজন তা হ'ল পরিসংখ্যানগত তাত্পর্য এবং বৈজ্ঞানিক তাত্পর্যগুলির মধ্যে একটি আলাদা সম্পর্ক রয়েছে"

— ফ্র্যাঙ্ক ব্যারি

Answer 2

চিকিত্সা গবেষণায় ট্রায়ালগুলি অনৈতিক হতে পারে যদি তারা অনেক বেশি রোগীকে নিয়োগ দেয়। উদাহরণস্বরূপ, যদি লক্ষ্য নির্ধারণ করা হয় যে কোন চিকিত্সা আরও ভাল, এটি নিকৃষ্ট হওয়ার পরে প্রতিষ্ঠিত হওয়ার পরে আরও খারাপ চিকিত্সা করা রোগীদের চিকিত্সা করা আর নৈতিক নয়। নমুনার আকার বাড়ানো অবশ্যই এফেক্ট আকারের আরও সঠিক অনুমান দিতে পারে তবে "নমুনা প্রক্রিয়ায় সামান্য পক্ষপাতিত্ব" এর মতো কারণগুলির প্রভাব প্রদর্শিত হওয়ার আগে আপনাকে ভালভাবে থামতে হতে পারে।

পর্যাপ্ত পরিমাণে নিশ্চিত গবেষণার পাবলিক অর্থ ব্যয় করাও অনৈতিক হতে পারে।

Answer 3

আপনি যা বলেছিলেন তা সমস্ত কিছু বোঝার জন্য (যদিও আমি জানি না আপনি কী "বড় চুক্তি" বলে উল্লেখ করছেন) এবং আমি উপলব্ধি করি। পরিসংখ্যানগত তাত্পর্য হিসাবে বিরোধী আকার হিসাবে আপনার পয়েন্ট মত। অন্য একটি বিবেচনা হ'ল কিছু গবেষণায় প্রতিটি ক্ষেত্রে অংশগ্রহনের জন্য দুর্লভ সংস্থানগুলির বরাদ্দ প্রয়োজন, এবং তাই কেউ এটিকে অতিরঞ্জিত করতে চান না।

Comments

দুঃখিত, "বিগ ডিল" খুব বেশি সম্পাদকীয় মন্তব্য। আমি এটির তুলনায় এটি একটি "বৃহত্তর চুক্তি" কিনা তা প্রশ্নটি মূলত এমন কোনও অতিরিক্ত বিবেচনা রয়েছে যা সম্পর্কে আমি অজ্ঞ হতে পারি তা একটি প্রশ্ন।

— ফ্র্যাঙ্ক ব্যারি

Answer 4

আমার অভিজ্ঞতা অনলাইনে এ / বি পরীক্ষা-নিরীক্ষা থেকে আসে, যেখানে সমস্যাটি সাধারণত স্বল্প বিদ্যুতের অধ্যয়ন বা ভুল জিনিসগুলি পরিমাপ করে। তবে এটি আমার কাছে মনে হয় একটি অতিরিক্ত বিদ্যুৎ সমীক্ষা তুলনামূলক অধ্যয়ন, নিম্ন পি-মান এবং সম্ভবত ভিন্ন ভিন্নতার চেয়ে সংক্ষিপ্ত আত্মবিশ্বাসের অন্তর তৈরি করে। আমি ধারণা করি এটি একইরকম অধ্যয়নের তুলনা করা আরও কঠিন করে তুলতে পারে। উদাহরণস্বরূপ, যদি আমি যথাযথ শক্তি ব্যবহার করে অতিরিক্ত বিদ্যুতের অধ্যয়নটির পুনরাবৃত্তি করি, তবে আমি ঠিক তার প্রভাবটি প্রতিলিপি করলেও আমার পি-মানটি বেশি হবে। বর্ধিত নমুনার আকার এমনকি পরিবর্তনশীলতা ছাড়িয়ে যেতে পারে বা যদি বহিরাগতদের আরও বড় নমুনায় প্রদর্শিত হওয়ার সম্ভাবনা বেশি থাকে তবে তাদের পরিবর্তনশীলতার পরিচয় দিতে পারে।

এছাড়াও, আমার সিমুলেশনগুলি দেখায় যে আপনি আগ্রহী সেগুলি ছাড়া অন্য প্রভাবগুলি আরও বড় নমুনার সাথে উল্লেখযোগ্য হয়ে উঠতে পারে। সুতরাং, যখন পি-মানটি আপনাকে সঠিকভাবে আপনার ফলাফলগুলি বাস্তবের সম্ভাবনা বলে দেয়, তবে আপনি যা ভাবেন উদাহরণস্বরূপ, কারণগুলির সংমিশ্রণ, কিছু ক্ষণস্থায়ী প্রভাব যার জন্য আপনি নিয়ন্ত্রণ করেননি, এবং সম্ভবত অন্য কোনও কারণে এটি বাস্তব হতে পারে ছোট প্রভাব আপনি এটি উপলব্ধি না করেই পরিচয় করিয়ে দিয়েছেন। অধ্যয়নটি যদি কিছুটা অতিরিক্ত চালিত হয় তবে এর ঝুঁকি কম। সমস্যাটি প্রায়শই পর্যাপ্ত পাওয়ার সম্পর্কে জানা শক্ত যেমন উদাহরণস্বরূপ, যদি বেসলাইন মেট্রিক্স এবং ন্যূনতম টার্গেট এফেক্ট অনুমান করা হয় বা প্রত্যাশার চেয়ে আলাদা হয়ে যায়।

আমি এমন একটি নিবন্ধও এসেছি যা যুক্তি দিয়েছিল যে খুব বেশি নমুনার একটি উত্তমতা-পরীক্ষা-নিরীক্ষাও অসম্পূর্ণ বিচ্যুতির প্রতি সংবেদনশীল করে তুলতে পারে, যার ফলে সম্ভাব্য পাল্টা-স্বজ্ঞাত ফলাফলের দিকে এগিয়ে যায়।

এটি বলেছিল, আমি স্বল্প শক্তি না বলে উচ্চতার পক্ষে ভুল করাই ভাল বলে বিশ্বাস করি।