Section author: Danielle J. Navarro and David R. Foxcroft

இதர தலைப்புகள்

• ** தரவைக் காணவில்லை. ** நீங்கள் ஒரு கணக்கெடுப்பை செய்கிறீர்கள் என்று வைத்துக்கொள்வோம், நீங்கள் உடற்பயிற்சி மற்றும் எடையில் ஆர்வமாக உள்ளீர்கள். நீங்கள் நான்கு பேருக்கு தரவை அனுப்புகிறீர்கள். ஆடம் கூறுகையில், அவர் நிறைய உடற்பயிற்சி செய்கிறார், அதிக எடை இல்லை. பிரியோனி கூறுகையில், அவர் நிறைய உடற்பயிற்சி செய்கிறார், அதிக எடை இல்லை. கரோல் தான் உடற்பயிற்சி செய்யவில்லை என்றும் அதிக எடை கொண்டவர் என்றும் கூறுகிறார். டிம் தான் உடற்பயிற்சி செய்யவில்லை என்றும் அவரது எடை குறித்த கேள்விக்கு பதிலளிக்க மறுப்பதாகவும் கூறுகிறார். எலைன் கணக்கெடுப்பைத் திருப்பித் தரவில்லை. உங்களிடம் இப்போது காணாமல் போன தரவு சிக்கல் உள்ளது. ஒரு முழு கணக்கெடுப்பையும் காணவில்லை, ஒரு கேள்வி இன்னொருவரிடமிருந்து காணவில்லை, இதைப் பற்றி நீங்கள் என்ன செய்கிறீர்கள்? காணாமல் போன தரவைப் புறக்கணிப்பது பொதுவாக ஒரு பாதுகாப்பான சேதி அல்ல. டிம் கணக்கெடுப்பு பற்றி இங்கே சிந்திக்கலாம். முதலாவதாக, அவரது மற்ற பதில்களின் அடிப்படையில், அவர் ஆதாம் அல்லது பிரியோனியை விட கரோலுக்கு (அவை இரண்டுமே உடற்பயிற்சி செய்யவில்லை) ஒத்ததாகத் தோன்றுகின்றன என்பதைக் கவனியுங்கள். எனவே அவரது எடையை யூகிக்க நீங்கள் கட்டாயப்படுத்தப்பட்டால், அவர் அவர்களை விட அவளுடன் நெருக்கமாக இருக்கிறார் என்று நீங்கள் யூகிப்பீர்கள். ஆதாம் மற்றும் டிம் ஆண்கள், பிரையோனி மற்றும் கரோல் பெண்கள் என்பதற்கு நீங்கள் சில திருத்தம் செய்யலாம். இந்த வகையான யூகத்தின் புள்ளிவிவரப் பெயர் “தூண்டுதல்”. பாதுகாப்பாக குற்றச்சாட்டு செய்வது கடினம், ஆனால் இது முதன்மை, குறிப்பாக காணாமல் போன தரவு முறையான முறையில் காணாமல் போகும்போது. அதிக எடை கொண்டவர்கள் பெரும்பாலும் தங்கள் எடையைப் பற்றி மோசமாக உணர அழுத்தம் கொடுக்கப்படுவதால் (பெரும்பாலும் பொது சுகாதார பிரச்சாரங்களுக்கு நன்றி), பதிலளிக்காத நபர்கள் மக்களை விட அதிக எடை கொண்டவர்கள் என்று சந்தேகிக்க எங்களுக்கு உண்மையில் காரணம் இருக்கிறது பதிலளிக்கவும். டிம் ஒரு எடையைத் தூண்டுவது என்பது மாதிரியில் அதிக எடை கொண்டவர்களின் எண்ணிக்கை 3 இல் 1 இலிருந்து (நாம் டிம் புறக்கணித்தால்), 4 இல் 2 ஆக உயரும் (டிமின் எடையை நாம் செலுத்தினால்). தெளிவாக இது முக்கியமானது. ஆனால் அதை புத்திசாலித்தனமாக செய்வது அது ஒலிப்பதை விட சிக்கலானது. முன்னதாக, டிம் கரோலைப் போலவே சிகிச்சையளிக்க வேண்டும் என்று நான் பரிந்துரைத்தேன், ஏனென்றால் அவர்கள் உடற்பயிற்சி கேள்விக்கு அதே பதிலைக் கொடுத்தார்கள். ஆனால் அது சரியாக இல்லை. அவற்றுக்கிடையே முறையான வேறுபாடு உள்ளது. அவள் கேள்விக்கு பதிலளித்தாள், டிம் செய்யவில்லை. அதிக எடை கொண்டவர்கள் எதிர்கொள்ளும் சமூக அழுத்தங்களைக் கருத்தில் கொண்டு, கரோலை விட டிம் * அதிக எடை கொண்டதாக இருக்க வாய்ப்பில்லை? நிச்சயமாக இது இன்னும் அவரது எடையை அறிந்திருப்பதைப் போல, டிம்சுக்கு * ஒற்றை * எடையை ஏற்படுத்துவது விவேகமானதல்ல என்ற உண்மையை இது இன்னும் புறக்கணிக்கிறது. அதற்கு பதிலாக, நீங்கள் இதைச் செய்ய வேண்டியது கரோலைப் பற்றி நீங்கள் இருப்பதை விட டிம் எடையைப் பற்றி நீங்கள் நிச்சயமற்றது என்ற உண்மையைப் பிடிக்க, நம்பத்தகுந்த யூகங்களின் வரம்பை (பல குற்றச்சாட்டு என குறிப்பிடப்படுகிறது) கணக்கிடுகிறது. கணக்கெடுப்பில் எலைன் அனுப்பவில்லை என்பதன் மூலம் ஏற்படும் பிரச்சினையைத் தொடங்க வேண்டாம். நீங்கள் யூகிக்கக்கூடியபடி, காணாமல் போன தரவைக் கையாள்வது பெருகிய முறையில் முக்கியமான தலைப்பு. உண்மையில், ஒருவித விவேகமான பல கணக்கீட்டு திட்டங்கள் பின்பற்றப்படாவிட்டால், சில துறைகளில் நிறைய பத்திரிகைகள் தரவைக் காணவில்லை என்று ஆய்வுகளை ஏற்காது என்று எனக்குத் தெரிவிக்கப்பட்டுள்ளது.

• ** ஆற்றல் பகுப்பாய்வு. , உங்கள் ஆய்வுக்கு எவ்வளவு ஆற்றல் உள்ளது என்பதை மதிப்பிடுவதற்கு பயனுள்ள கருவிகளின் தொகுப்பு. ஒரு ஆய்வைத் திட்டமிடுவதற்கு ஆற்றல் பகுப்பாய்வு பயனுள்ளதாக இருக்கும் (எ.கா., உங்களுக்கு எவ்வளவு பெரிய மாதிரி தேவைப்படலாம் என்பதைக் கண்டுபிடிப்பது), ஆனால் நீங்கள் ஏற்கனவே சேகரித்த தரவை பகுப்பாய்வு செய்வதில் இது ஒரு பயனுள்ள பாத்திரத்தை அளிக்கிறது. உதாரணமாக, நீங்கள் ஒரு குறிப்பிடத்தக்க முடிவைப் பெறுவீர்கள் என்று வைத்துக்கொள்வோம், மேலும் உங்கள் விளைவு அளவைப் பற்றிய மதிப்பீடு உங்களிடம் உள்ளது. உங்கள் ஆய்வில் உண்மையில் எவ்வளவு ஆற்றல் இருந்தது என்பதை மதிப்பிடுவதற்கு இந்த தகவலைப் பயன்படுத்தலாம். இது ஒருவித பயனுள்ளதாக இருக்கும், குறிப்பாக உங்கள் விளைவு அளவு பெரிதாக இல்லாவிட்டால். உதாரணமாக, நீங்கள் சுழிய கருதுகோளை * p * <0.05 இல் நிராகரிக்கிறீர்கள் என்று வைத்துக்கொள்வோம், ஆனால் உங்கள் மதிப்பிடப்பட்ட ஆற்றல் 0.08 மட்டுமே என்பதைக் கண்டுபிடிக்க ஆற்றல் பகுப்பாய்வைப் பயன்படுத்துகிறீர்கள். குறிப்பிடத்தக்க முடிவு என்னவென்றால், சுழிய கருதுகோள் உண்மையில் உண்மையாக இருந்தால், இது போன்ற தரவைப் பெற 5 % வாய்ப்பு இருந்தது. ஆனால் குறைந்த ஆற்றல் என்றால், சுழிய கருதுகோள் தவறானது மற்றும் விளைவு அளவு உண்மையில் சிறியதாக இருந்தாலும், உங்களைப் போலவே தரவைப் பெறுவதற்கான 8 % வாய்ப்பு மட்டுமே இருந்தது. நீங்கள் மிகவும் எச்சரிக்கையாக இருக்க வேண்டும் என்று இது அறிவுறுத்துகிறது, ஏனென்றால் உங்கள் முடிவுகளில், ஒரு வழி அல்லது வேறு வழிகளில் அதிர்ச்டம் ஒரு பெரிய பங்கைக் கொண்டிருந்தது!

• ** கோட்பாடு-ஈர்க்கப்பட்ட மாதிரிகளைப் பயன்படுத்தி தரவு பகுப்பாய்வு. ** இந்த புத்தகத்தின் சில இடங்களில் நான் மறுமொழி நேரம் (ஆர்டி) தரவைக் குறிப்பிட்டுள்ளேன், அங்கு யாராவது ஏதாவது செய்ய எவ்வளவு நேரம் ஆகும் என்பதை நீங்கள் பதிவு செய்கிறீர்கள் (எ.கா., ஒரு எளிய முடிவை எடுக்கவும்). ஆர்டி தரவு கிட்டத்தட்ட மாறாமல் இயல்பானது அல்ல, மேலும் சாதகமாக வளைந்திருக்கும் என்று நான் குறிப்பிட்டுள்ளேன். கூடுதலாக, வேகம்-துல்லியம் வணிகம் என்று அழைக்கப்படும் ஒரு சேதி உள்ளது: நீங்கள் மிக விரைவாக முடிவுகளை எடுக்க முயற்சித்தால் (குறைந்த ஆர்டி) நீங்கள் ஏழை முடிவுகளை (குறைந்த துல்லியம்) எடுக்க வாய்ப்புள்ளது. ஆகவே, பங்கேற்பாளரின் முடிவுகளின் துல்லியம் மற்றும் அவற்றின் ஆர்டி இரண்டையும் நீங்கள் அளவிட்டால், வேகமும் துல்லியமும் தொடர்புடையவை என்பதை நீங்கள் காணலாம். இதை விட கதைக்கு இன்னும் நிறைய இருக்கிறது, ஏனென்றால் சிலர் எவ்வளவு விரைவாகப் போகிறார்கள் என்பதைப் பொருட்படுத்தாமல் மற்றவர்களை விட சிறந்த முடிவுகளை எடுக்கிறார்கள். மேலும், விரைவு அறிவாற்றல் செயல்முறைகள் (அதாவது, சிந்திக்க நேரம் செலவழித்த நேரம்) ஆனால் உடலியல் (எ.கா., உங்கள் தசைகளை எவ்வளவு வேகமாக நகர்த்த முடியும்) சார்ந்துள்ளது. இந்தத் தரவை பகுப்பாய்வு செய்வது ஒரு சிக்கலான செயல்முறையாக இருக்கும். உண்மையில் அது தான், ஆனால் நீங்கள் உளவியல் இலக்கியத்தில் தோண்டும்போது நீங்கள் கண்டறிந்த ஒன்று என்னவென்றால், மக்கள் எவ்வாறு எளிய முடிவுகளை எடுக்கிறார்கள் என்பதை விவரிக்கும் கணித மாதிரிகள் (“தொடர்ச்சியான மாதிரி மாதிரிகள்” என்று அழைக்கப்படுகின்றன) ஏற்கனவே உள்ளன, மேலும் இந்த மாதிரிகள் A ஐ கணக்கில் எடுத்துக்கொள்கின்றன நான் மேலே குறிப்பிட்ட காரணிகள் நிறைய. கோட்பாட்டளவில் ஈர்க்கப்பட்ட இந்த மாதிரிகள் எதையும் நிலையான புள்ளிவிவர பாடப்புத்தகத்தில் நீங்கள் காண முடியாது. நிலையான புள்ளிவிவரங்கள் பாடப்புத்தகங்கள் நிலையான கருவிகள், உளவியல் மட்டுமல்லாமல் பல்வேறு பிரிவுகளில் அர்த்தமுள்ளதாக பயன்படுத்தக்கூடிய கருவிகளை விவரிக்கின்றன. ANOVA என்பது ஒரு நிலையான கருவிக்கு ஒரு எடுத்துக்காட்டு, இது மருந்தியலைப் போலவே உளவியலுக்கும் பொருந்தும். தொடர்ச்சியான மாதிரி மாதிரிகள் இல்லை, அவை உளவியல் சார்ந்தவை, அதிகமாகவோ அல்லது குறைவாகவோ உள்ளன. இது அவர்களுக்கு குறைந்த சக்திவாய்ந்த கருவிகளை உருவாக்காது. உண்மையில், மக்கள் விரைவாக தேர்வுகளைச் செய்ய வேண்டிய தரவை நீங்கள் பகுப்பாய்வு செய்கிறீர்கள் என்றால், தரவை பகுப்பாய்வு செய்ய தொடர்ச்சியான மாதிரி மாதிரிகளைப் பயன்படுத்த வேண்டும். ANOVA அல்லது பின்னடைவைப் பயன்படுத்துதல் அல்லது எதுவாக இருந்தாலும் வேலை செய்யாது, ஏனென்றால் அவற்றை ஆதரிக்கும் தத்துவார்த்த அனுமானங்கள் உங்கள் தரவுக்கு நன்கு பொருந்தாது. இதற்கு நேர்மாறாக, இந்த குறிப்பிட்ட வகை தரவை பகுப்பாய்வு செய்ய தொடர்ச்சியான மாதிரி மாதிரிகள் வெளிப்படையாக வடிவமைக்கப்பட்டன, மேலும் அவற்றின் தத்துவார்த்த அனுமானங்கள் * மிகவும் * தரவுகளுக்கு நன்கு பொருந்துகின்றன.