İdeal bir deneme oluşturamadığınızda ne yapacağınıza dair ders kitapları / okumalar?

İstatistiksel eğitimim matematiksel istatistiklere dayanıyor ve bu yöntemleri MS'imde almak şu anda biraz şok edici; şu anda bu "uygulamalı" yöntemlerden bazılarını anlayabiliyorum çünkü sektörde tecrübem yok.

Yöntem derslerimde bahsettiğimiz konulardan biri de deneysel tasarım fikri.

Örneğin, K-12 öğrencilerinin test puanlarını yükselttiğini iddia eden bir eğitim programının etkinliği üzerine bir deney yapmak istiyorum.

Yöntem sınıflarında, böyle bir problemi takip etmek için aşağıdakileri öğrettiler: iyi bir araştırma sorusu, iyi bir veri toplama yöntemi, rastgele bir deney, homojen tedavi grupları (yani, bu programla tedavi edilen, belki de bir tanesi) ideal) eşit büyüklükte ve sonra bir testi (veya bir tür parametrik olmayan hipotez testi) çalıştırın ve hepsi iyi ve züppe, değil mi?$t$

Gerçekte böyle çalıştığına çok az inanıyorum.

Elbette, biraz rahat örnekleme yapmanız gerekebileceğini öğrendim. Ama bunun dışında, bir ders kitabından öğrendiklerim dışında deneysel tasarımın nasıl uygulanacağı hakkında hiçbir fikrim yok.

Pratikte bu konuları araştıran herhangi bir ders kitabı, okuma vb. Var mı (ve ideal olarak matematiği parlaklaştırmayın - her şeyin ayrıntılı kanıtlarına ihtiyacım yok, ama her şeyin " bariz, "gibi)?

Randomize deneylerin neredeyse her zaman imkansız olduğu iki alan vardır: bunlar sosyal bilimler ve ekonomi. Bu gibi durumlarda yalnızca "yarı deney" yapabilirsiniz. Anahtar kelimelerle yarı deneyleri, gözlemsel çalışmaları ve sosyal bilimleri aramayı deneyin ; bazı iyi ders kitapları alacaksınız. Bu konuda iki mükemmel kitap önerebilirim: Shadish ve Cook'un ikinci kitabı bir klasik:

1. Karşı Olgular ve Nedensel Çıkarım: Morgan ve Winship'ten Sosyal Araştırma Yöntem ve İlkeleri
2. Genelleştirilmiş Nedensel Çıkarım için Deneysel ve Yarı Deneysel Tasarımlar yazan: William R. Shadish ve Thomas D. Cook

Dehejia ve Wahba tarafından nedensel çıkarım için deneysel olmayan ortamda "eğilim skor eşleşmesi" adı verilen bir teknik kullanan klasik bir makale de şiddetle tavsiye edilmektedir.

Ek öneriler:

1. Gözlemsel Çalışma Tasarımı Paul R. Rosenbaum.
2. İstatistik, Sosyal ve Biyomedikal Bilimler için Nedensel Çıkarım: İmbens ve Rubin'e Giriş.

Eğer zaman serisi yarı deneyler bakıyor EĞER yukarıdaki kitaplar onlara adanmış bazı bölümler var, ama özel bir kitap Gen v gereğidir. Zaman seri deneyler Cam Tasarımı ve Analizi ve onun makale kontrol ediyorum Kesildi zaman serileri .

Diğer bilgiler: Gene V Glass, " Meta Analiz " terimini kullandı .

Yarı deneysel tasarımların yararlı olabileceği yer burasıdır. Uygulamada birçok durumda, deneysel tasarımlar pratik değildir, çünkü bir tedaviniz olmasına rağmen, gruplara rastgele atama yapamazsınız veya belki de sadece bir grubunuz vardır.

Eğitim örneğinizde, tedaviyi kimin alacağı üzerinde kontrol sahibi olamayabilirsiniz, çünkü bir okuldaki tüm çocuklara müdahale etmeyi planlıyorsunuz. Ancak, puanlarını önceki yıllardan alınan puanlarla karşılaştırabilir veya sınıfları rastgele düzenleyerek bazı sınıfların diğerlerinden önce müdahale almasını sağlayabilir veya müdahale almayanlar da dahil olmak üzere birden fazla okulu karşılaştırabilirsiniz.

Sadece bir grubunuzun olduğu, zaman aralıklı ölçümlerin yapıldığı ve tedaviyi çalışma sürenizin ortasında uyguladığınız, kesintili bir zaman serisi tasarımı yapmak mantıklı olabilir. Bu şekilde, bağımlı değişkenin zaman içindeki eğiminin, tedaviden hemen sonra, tüm çalışma boyunca genel eğime göre değişip değişmediğini görebilirsiniz. Ölçüm sayısı 3 kadar düşük olabilir, ancak daha iyidir.

Benim önerim, quasiexperimental çalışma tasarımlarını okumak.

Nedenselliğin en kapsamlı, genel ve kesin tedavisi Judea Pearl 2009, "Nedensellik", 2. Baskı, Cambridge University Press'dir.

Özellikle, nedenselliğin gerçekten istatistiksel bir sorun olmadığını açıkça ortaya koyuyor - sınırsız veri bile sorunu çözmüyor. Verilerle ilgili bir şey yetersiz olduğunda nedensel çıkarım için gerekli nitel ve teorik bilgiyi ifade etmek için kesin bir dil sunar. Başarısız randomizasyonun birçok kişi arasında sadece bir sorun olduğunu göreceksiniz. Ayrıca Imbens, Rubin ve Rosenbaum gibi diğer tüm matematiksel çerçeveleri de üstlenir. Onun yaklaşımının ne kadar erişilebilir, zarif ve güçlü olduğunu abartmam.

Şiddetle tavsiye ederim. Bununla birlikte, onu lineer olmayan bir şekilde okumalısınız (bölüm 5 ve 11 daha erişilebilirdir ve daha sonra genel teoriyi anlamak için bölüm 1, 3 ve 7'de geriye doğru çalışabilirsiniz).

Temel bilgileri anladığınızda, örneğin, nedensel bulguları bir bağlamdan diğerine "aktarmanın" mümkün olduğu durumlarda, rastgele seçimle (Pearl, Judea ve Elias) mümkün olmayan, kolayca daha yeni gelişmelere bakabilirsiniz. Bareinboim 2014, "Dış geçerlik: Hesaplamadan popülasyonlar arasında taşınabilirliğe kadar." İstatistiksel Bilim).

Belki de aradığın şey bunlar ...

Deneyciler için İstatistik

Deney Tasarımı ve Analizi

R ile Deney Tasarımı ve Analizi ( önceki başlık ile ilgili değil)

Verileri Kullanarak Süreç İyileştirme (ücretsiz çevrimiçi veya PDF olarak, bölüm 5 DoE'yi kapsar)