나는 실험 연구에 참여하는 것에 대한 심리적 광고를 보는 것이 항상 약간 놀랐습니다. 확실히, 이러한 광고에 응답하는 사람들은 무작위로 표본 추출되지 않으므로 스스로 선택한 인구입니다.
무작위 추출이 자체 선택 문제를 해결하는 것으로 알려져 있기 때문에, 난수 샘플이 아닌 무작위 추출이 실제로 어떤 것이 바뀌 었는지 궁금했습니다.
어떻게 생각해 ? 또한, 엄선 된 자체 표본을 바탕으로 이러한 모든 심리 실험을 어떻게해야합니까?
답변:
비 랜덤 샘플에서 무작위 추출은 여전히 무작위 변형으로 효과가 설명되지 않는 것을 보여줄 수 있습니다.
예를 들어, 대략 동일한 크기의 두 개의 인식되지 않는 부분 군 (약간 다른 특성을 가진 *)을 가진 모집단이 있지만 표본이 무작위가 아니며 80/20 분할을 제공한다고 가정합니다. 동일한 크기의 2 개의 치료 그룹을 상상해 봅시다. 무작위 화 (적어도 적절한 샘플 크기로)는 각 그룹에서 80/20 스플릿에 가깝게 분포하는 경향이 있으므로, 치료에 이종 그룹의 불평등 한 할당보다는 치료 효과가 치료 때문입니다.
* 다른 기준 수단으로 연결
문제는 표본이 대표하는 것 (자체 선택기)이 아닌 다른 대상 집단으로 추론을 확장하려고 할 때 발생합니다. 여기에는 가정 / 증거가 필요하지 않습니다 (예 : 치료 차이가 모집단의 모든 부분 집합에 대해 일치한다고 가정하는 경우).
비슷한 상황에서 표준 치료 및 위약과 비교하여 남성에서만 고혈압 약물을 테스트한다고 상상해보십시오. 남성이 치료군에 적절히 무작위 배정되었다고 가정합니다. 치료 효과는있을 것이다 진짜 정말 남자의 효과를 설명 않는다는 것을 의미한다. 그러한 추론을 여성들 에게 확대하려고 할 때 어려움이 올 것이다 .
따라서 그들이 모집 과 별개로 적절히 수행되고 무작위 화 된다면, 관찰 된 중요한 효과는 그것이 보이는 것처럼 보이지만, 실제로 원하는 목표가 아니라 실제로 샘플링 된 것에 적용될 것입니다. 신중한 논쟁이 필요하다. 그러한 주장은 종종 결석합니다.
제가 학생이었을 때 일정 시간 동안 그러한 실험을 위해 자원 봉사를 할 것으로 예상되는 심리학 학생들에 대해 심리학 실험을하는 것이 매우 흔했습니다 (여전히 그런 경우 일 수 있지만 심리학자와 정기적으로 연락하지는 않습니다) 더 이상 실험을하는 사람). 치료에 대한 무작위 배정을 통해 추론은 유효 할 수 있지만 (무엇을했는지에 따라 다름) 자신이 선택한 심리학 학부 (일반적으로 가입 할 실험을 선택 함)의 지역 인구에 적용됩니다. 광범위한 인구의 무작위 표본.
무작위 추출이 자체 선택 문제를 해결하는 것으로 알려져 있기 때문에, 난수 샘플이 아닌 무작위 추출이 실제로 어떤 것이 바뀌 었는지 궁금했습니다.
요컨대 이 방법으로 생각하십시오 .100 개의 검은 공과 100 개의 흰색 공이있는 항아리가 있습니다. 검은 공 90 개와 흰색 공 10 개를 추출합니다. 이 하위 샘플에서 무작위로 샘플링 하면 항아리 자체에 대한 편견을 추론 할 수 없습니다.
또한, 엄선 된 자체 선택 샘플을 기반으로하는 모든 심리 실험에서 무엇을 만들어야합니까?
사람들은 비 랜덤 샘플링이 문제라는 데 동의합니다. 그러나 얼마나 많은 문제가 당신이 관심있는 메커니즘에 대한 "이론"에 대한 질문이기도합니다. 가설이 모든 인간에게 기본적으로 동일해야하는 메커니즘을 다루는 경우 (즉, 얼음에 담그면 얼어 붙은 느낌을 경험 함) 비임의 선택은 그다지 중요하지 않습니다. 불행히도, 그것은 종종 우리가 관심이있는 것이 아닙니다.
Bootstrapping으로 알려진 문제를 처리하도록 설계된 기술이 있습니다. 부트 스트랩은 실제 샘플 풀 에서 교체 하여 새로운 합성 샘플을 생성하는 접근 방식 입니다. 그런 다음 각 합성 샘플 풀에 대한 통계를 수행하고 세트 간 통계를 비교하십시오.
이 합성 샘플은 알려진 분포에서 나오기 때문에 통계에 많은 추가 도구를 사용할 수 있다는 장점이 있습니다. 그런 다음 견적 담당자가 이러한 합성 사례를 얼마나 잘 처리하는지 확인할 수 있습니다. 모든 합성 표본에 대한 추정값이 동일한 결과에 잘 수렴되는 경우 부트 스트랩을 가정하면 추정값이 전체 표본에 적용될 때 미지의 모집단에 대한 추정치를 제공 할 수 있습니다. 반면, 추정값이 합성 샘플 세트에서 합성 샘플 세트에 이르기까지 매우 다른 결과를 산출하는 경우, 전체 샘플에 적용 할 때 추정기가 미지의 모집단에 대해 매우 우수한 추정치를 제공하지 않을 수 있다고 추론해야합니다.
이 부트 스트랩 방식은 비 랜덤 샘플의 무작위 화가 충분한 지 여부를 검증하는 데 사용할 수 있습니다. 물론 그것을 증명할 수는 없지만, 무작위 샘플링이 충분히 무작위 적이라는 가정을 두 번 확인함으로써 신뢰성을 향상시키는 도구로 사용되었습니다.