통계 심판을 성가 시게하는 방법?


102

나는 최근 논문의 통계 검토 에 관한 일반적인 원칙에 관한 질문 을했다 . 내가 지금 묻고 싶은 것은, 논문을 검토 할 때 특히 당신을 짜증나게하는 것입니다.

답변 당 하나의 예를 참조하십시오.


초기 검토 (사소한 개정 및 / 또는 주요 개정이 요청 된)에 대한 응답으로받은 정당화까지 확대됩니까?
chl

@chl : 그렇습니다.
csgillespie

답변:


69

특히 개인적 으로 나를 자극하는 것은 통계 소프트웨어에 사용자 작성 패키지를 명확하게 사용했지만 제대로 인용하지 않았거나 전혀 인용하지 않아서 저자에게 아무런 신용도를주지 않는 사람들입니다. 저자가 학계에 있고 그들의 직무 가 인용되는 논문 출판 할 때 그렇게하는 것이 특히 중요하다 . (아마도 필자는 필자의 분야에서 많은 범인이 통계학자가 아니라고 덧붙여 야한다.)


2
나를 위해 +1. 이것은 그들이 잘못된 일을 인용하고 내가 패키지 인용하는 방법에 대한 관련 세부 사항 제공 한 특히, 저를 좌절
개빈 심슨

3
질문 : 패키지를 인용 할 때 비네팅 (있는 경우)이나 패키지 자체를 인용합니까?
Brandon Bertelsen

7
@Brandon : 만약 패키지 작성자가 당신을 안내 할만큼 충분히 신경을 쓴다면, 그들은 인용 ( "some_package")에 의해 선택 될 양식으로 답변을
주었습니다

2
그렇게 쉬운 일이 아닌 랜드 마크 용지를 사용하는 것 외에도 인용을 얻는 가장 쉬운 방법은 논문에 오류를 하나 이상 남겨 두는 것입니다. 그런 다음 원본을 인용하는 수정 사항을 게시 할 수 있습니다. 수정에 오류를 남겨두고 원래 수정과 원본을 참조하는 수정을 게시 할 수 있습니다 (1 학년 학생과 같은 것을 보았습니다). 인용 횟수는 O (N ^ 2) 프로세스로 증가합니다. 여기서 N은 수정 횟수입니다.
Mark L. Stone

67

맙소사, 많은 것들이 떠오른다 ...

  • 단계적 회귀

  • 연속적인 데이터를 그룹으로 나누기

  • p- 값을 주지만 효과 크기는 측정하지 않습니다.

  • 데이터가 다소 대칭적이고 단조로운 지 여부를 나타내지 않고 평균 및 표준 편차를 사용하여 데이터 설명

  • 명확한 캡션이없는 그림 (그런 오차 막대 평균의 표준 오차 또는 그룹 내 표준 편차입니까?)


5
단계별 회귀 총알이 조금 궁금합니다. 단계적 회귀가 그렇게 나쁘게 만드는 이유는 무엇입니까? 데이터 준설 및 다중 비교 문제입니까?
Christopher Aden

17
문제는 단계적 절차가 p 값을 기반으로 한 "정상"추론 통계에 대한 모든 가정과 전제 조건을 완전히 무효화하고 나쁘게 치우친다는 것입니다 (하위 "더 중요한"방향으로). 따라서 기본적으로 대답은 "예"입니다. 원칙적으로 이러한 여러 비교를 모두 수정할 수 있다는 경고가 있습니다 (그러나 본 적이 없습니다). 나는 이것이 복제 될 수없는 심리학에 대한 많은 연구를 보게되는 가장 중요한 이유라고 강력하게 믿는다. 그 결과 막대한 자원 낭비가 발생한다.
Stephan Kolassa

10
@Stephan : 단계적으로 나쁜 생각입니다. 비록 그것들이 아직 정신 분석법에 적용되지는 않았지만 추정치와 표준 오차를 조정하여 과적 합과 관련된 편향을 조정하는 다양한 선택 절차가 있습니다. 이것은 일반적으로 다중 비교 문제로 생각되지 않습니다. 그것들은 수축 방법으로 알려져 있습니다. 이 스레드 < stats.stackexchange.com/questions/499/… > 및 올가미에서 Harrell의 "회귀 모델링 전략"또는 Tibshirani에서 내 응답을 참조하십시오 .
Brett

5
@Brett Magill : 그것에 +1, 그렇습니다, 나는 수축과 올가미에 대해 알고 있습니다. 이제 필요한 것은 심리학자에게 이것이 의미가 있음을 설득 할 수있는 방법입니다 ...하지만 사람들은 심리학자가 신뢰 구간을보고하도록 매우 제한된 성공으로 싸우고 있습니다. 이십 년.
Stephan Kolassa

10
또한 심리학에서 예측을 최대화하는 것이 일반적으로 이론적 인 목표는 아니지만 단계적으로 회귀하는 것은 준-포괄적 인 방식이지만 예측을 최대화하는 것에 관한 것입니다. 따라서 일반적으로 절차와 질문간에 연결이 끊어집니다.
Jeromy Anglim


32

시뮬레이션 결과를 생성하는 데 사용되는 코드는 제공되지 않습니다. 코드를 요청한 후 심판이 생성 한 데이터 세트에서 코드를 실행하려면 추가 작업이 필요합니다.


2
그리고 형식이 잘못되어 주석 처리가되지 않으며 해독 할 수없는 변수 및 함수 이름을 사용합니다. 네
naught101

30

표절 (이론적 또는 방법 론적). 저의 첫 번째 검토는 실제로 10 년 전에 출판 된 잘 확립 된 방법 론적 논문에서 많은 참조되지 않은 사본 / 붙여 넣기를 묘사 한 논문에 대한 것입니다.

이 주제에 관한 흥미로운 논문 몇 개를 발견했습니다 : 과학의 권위와 표절 .

같은 맥락에서, 나는 (데이터 또는 결과에 대한) 위조 가 최악의 것을 발견합니다.


20
심판으로 내 초기에 내가 보낸 저를 생각 나게 까지 너무 오래 결국 특정 저널에 의해 거부 된 통계 논문을 검토하지만, 다른 심판과 내가하는 방법에 대한 더 유용한 응용 프로그램을 제안, 나는 또한 대수 증거를 스케치 원고의 불만족스러운 시뮬레이션 연구를 대체합니다. 그 후 저자들은 두 가지 논문을 발표했습니다. 나는 그것에 대해 짜증나 지 않지만 "우리는이 문서의 이전 버전의 심판들에게 도움이되는 의견을 보내 주셔서 감사합니다"와 같은 인정은 좋은 예의였습니다.
onestop

1
@onestop 예, 그런 상황이 얼마나 실망 스러운지 상상할 수 있습니다.
chl

24
몇 주 전에 나는 검토 할 논문을 받았고 그 논문의 85 %가 같은 저자에 의해 다른 저널에 출판 된 것을 발견했다. 그것도 여전히 표절로 간주됩니다. 지난 몇 년 동안 저는 검토를 하기 전에 웹 검색 엔진에 여러 가지 논문 (특히 초록, 소개 및 결론)을 정기적으로 제출했습니다 . 읽기에 시간을 투자하기 전에 작품이 독창적임을 확인하고 싶습니다.
whuber

7
+1, @whuber. 방법론 저널의 편집자로서, 나는 종종 (잘 확립 된 저자들로부터의 기여가, 젊은 작가들이 아직 그 궤도에 도달 한 것은 아님) 그 출판물이 모든 것을 주 었는지에 대한 출판물을 보증하는지 여부를 알아내는이 힘든 일을 종종한다. 이전 5 개의 논문을 구성한 8 개의 레고 블록을 다른 방식으로 재구성했습니다. 이로 인해 저 저자들이 발표 한 앞의 50 개 논문의 기여도에 의문을
갖게되었습니다

26

저자에게 요청할 때

  1. 우리가 가진 아이디어에 대한 사소한 의견 (이 점에서 이것은 논문을 거부하는 이유로 간주되지 않고 저자가 다른 POV를 논의 할 수 있도록하기 위해)
  2. 불분명하거나 모순되는 결과,

(1) 또는 (2)의 설명 된 결과가 MS에서 사라지는 경우에 저자는 실제로 대답하지 않습니다.


7
신비롭게 사라지는 결과는 자동 거부되어야합니다. 나는 이것이 "장면 뒤에"(즉, 논문이 제출되기 전에) 많이 발생한다고 확신하지만, 이것은 신문의 정상적인 독자들이 결코 알지 못할 "체리 피킹"의 명백한 증거입니다.
매크로

3
공개 피어 검토 시스템의 또 다른 이유.
fmark

24

p- 값과 효과 크기가 혼동됩니다 (즉, p- 값이 아주 작기 때문에 효과가 크다는 것을 나타냅니다).

효과 크기를 제외하고 p- 값을 제공 한다는 Stephan의 답변 과 약간 다릅니다 . 나는 당신이 두 가지를 모두 제공해야한다는 것에 동의합니다.


23

효과 크기는 포함되지 않습니다.

연구 전반에 걸쳐 P-ing (나는 그 라인에 대해 내가 좋아하는 대학원생 교수에게 신용해야 함).

터무니없는 자릿수 부여 (남성보다 여성이 3.102019 파운드 더 많음)

페이지 번호를 포함하지 않음 (검토하기 어렵게 함)

숫자와 숫자가 잘못됨

(이미 언급했듯이-단계별 변수 및 연속 변수 분류)


7
(+1)는 "어수선한 수의 자릿수 (남성이 여자보다 3.102019 파운드가 더 많이 올랐다)"에서 크게 웃었다.
매크로

19

그들이 분석을 충분히 설명하지 못하거나 실제 오류를 해결하기 어려운 간단한 오류를 포함 할 때. 여기에는 설명을 통해 많은 전문 용어를 던지는 것이 포함되는데, 이는 저자가 알고있는 것보다 더 모호하며 잘못 사용될 수도 있습니다.


동의-과학적 내용을 평가하기 전에 저자가 의미하는 바를 이해하기 위해 고심하고 있습니다.
Laurent

5
동의하지만, 리뷰어가 사실적으로 분석에 관한 매우 중요한 세부 사항을 생략 (또는 간단한 재료로 이동)하라고 지시하면 더욱 성가 시게됩니다. 이 문제로 인해 가장 복잡한 분석조차 수행하는 많은 과학 / 사회 과학 논문이 그 점에서 상당히 비밀이 유지됩니다.
매크로

16

변수가 생략 될 때 관측 데이터에서 연관성을 설명하기 위해 인과 언어를 사용하는 것이 거의 심각한 문제입니다.


3
나는 연구자들이 관측 연구 디자인, 특히 생략 된 변수와 관련된 것들의 책임을 이해해야한다는 데 동의하지만, 인과 적 언어를 피하는 것이 그렇게하지는 않을 것이라고 생각합니다. 인과 언어 사용 방어에 대한보다 자세한 주장은 Hubert Blalock의 저서, 특히 그의 비 실험적 연구의 인과 추론을 참고하십시오.
Andy W

3
(+1) 이것은 역학 연구에서 가장 큰 문제 일 수 있습니다.
매크로

14

저자가 자신이 알고있는 통계 테스트 (내 분야에서는 일반적으로 t- 검정 또는 분산 분석)를 사용하는 경우 적절한 지 여부에 관계없이 무한정입니다. 나는 최근에 저자들이 12 개의 다른 치료 그룹을 비교하고자하는 논문을 검토 했으므로 가능한 모든 치료 쌍에 대해 2- 표본 t- 검정을 수행했습니다 ...


13

기존 개념에 대한 새로운 단어가 나오거나 그 반대의 경우에도 기존 용어를 ​​사용하여 다른 것을 나타냅니다.

기존의 용어 차이 중 일부는 문헌에서 오랫동안 정착되어있다 : 생물 통계학의 종 방향 데이터 대 계량 경제학의 패널 데이터; 사회학의 원인 및 결과 지표 대 심리학의 형성 및 반사 지표; 등. 나는 여전히 그들을 미워하지만, 적어도 당신은 각각의 문헌에서 그들 각각에 대한 수천의 참조를 찾을 수 있습니다. 가장 최근의 한 가지 원인은 인과 적 문헌에서 방향성 비순환 그래프에 관한 전체 연구이다. 이들 모두의 식별 및 추정 이론의 대부분은 1950 년대에 동시 방정식의 이름으로 계량 경제학자에 의해 개발되었다.

삼중이 아닌, 이중을 갖는 용어는 "견고하다"이며, 상이한 의미는 종종 모순된다. "견고한"표준 오류는 훨씬 특이한 사람들에게는 강력하지 않습니다. 게다가, 이들은 모델로부터의 가정 된 편차를 제외하고는 강력하지 않으며 종종 작은 샘플 성능을 가지고 있습니다. White의 표준 오류는 직렬 또는 군집 상관에 대해 강력하지 않습니다. SEM의 "강력한"표준 오류는 모델 구조의 잘못된 사양 (생략 된 경로 또는 변수)에 대해 강력하지 않습니다. 귀무 가설 유의성 검정에 대한 아이디어와 마찬가지로 누구에게도 손가락을 대고 말하기는 불가능합니다. "여러 세대의 연구원들이 실제로는 그 이름에 맞지 않는이 개념을 만들어 낸 것에 대해 혼동 할 책임이 있습니다."


1
나는 두 가지 죄를 범할 것을 인정해야한다. 나는 나의 자료를 "계층 구조를 가짐 : 1 : n 관계 (각 샘플의 많은 측정치, 환자 당 여러 샘플들)을 가진 레벨이있을 때" "클러스터 된"데이터 구조라고합니다. 이제는 두 용어를 모두 사용하지만 여전히 그 용어를 어떻게 찾을 수 있었는지 모르겠습니다. 데이터 구조를 설명하는 단어를 필사적으로 찾아 보았습니다. 저는 원격 감지에서 소프트 분류라고하는 기술을 사용합니다. 제 분야 (화학)는 다른 의미로 사용합니다.
cbeleites

2
이 구조를 참조하는 방법의 목록에 "다중 레벨"을 추가 할 수 있습니다. "Clustered"는 일반적으로 관측치가 상관 관계가있는 것으로 알려져 있지만 상관 관계가 주요 관심 분야가 아니기 때문에 상관 관계를 모델링하는 데 신경 쓰지 않으며 GEE와 같은 상관 관계에 강력한 방법을 제거하지 않습니다. 당신이 가진 것은 반복 측정 MANOVA와 같은 것입니다. gllamm데이터를 다중 레벨 / 계층 데이터로 생각 하는 Stata 패키지 가 있지만 대부분의 다른 패키지는 다중 측정을 변수 / 열로, 샘플을 관찰 / 행으로 생각합니다.
StasK

입력 해 주셔서 감사합니다. 글쎄, 요즘 나는 그것이 어떻게 호출되는지 여기에 물어볼 것입니다 ... 정확하게 반복되는 측정은 아닙니다 : 일반적으로 나는 샘플에서 숫자 (크기의 순서 : 10 ^ 2와 10 ^ 4 사이)의 다른 지점을 측정합니다. 서로 다른 성분의 가색지도를 생성하며 각 측정에는 이미 10 ^ 2-10 ^ 3 관측치 (스펙트럼의 파장)가 있습니다. 각 샘플 내에서 많은 스펙트럼이 서로 관련이 있지만 모두는 아닙니다. 샘플이 균질하지는 않습니다. ...
cbeleites

1
... "클러스터"에 대한 설명은 우리가하는 것과 매우 흡사합니다. 그러나 유효성 검사를 위해 샘플을 분할하는 데주의를 기울이고 효과적인 샘플 크기 (적어도 실제 샘플 수가 포함되어 있음)에 대한 아이디어가 없다고 말하고 때로는 각 측정의 모든 측정 값이 있음을 보여줍니다 샘플은 실제로 모델 교육에 도움이됩니다.
cbeleites

1
흥미롭고 도전적인 데이터.
StasK

11

누락 된 데이터를 전혀 고려하지 않습니다.

많은 실제 응용 프로그램은 최소한 일부 결 측값이있는 데이터를 사용합니다. 이것은 역학에서 확실히 사실입니다. 누락 된 데이터는 선형 모델을 포함하여 많은 통계 방법에 문제가 있습니다. 선형 모형의 결측 데이터는 공변량의 결측 데이터가있는 사례를 삭제하여 처리하는 경우가 많습니다. 데이터가 임의로 완전하지 않다는 가정하에 데이터가 누락되지 않는 한 이는 문제입니다.

아마도 10 년 전에는 누락을 더 이상 고려하지 않고 선형 모델의 결과를 게시하는 것이 합리적이었습니다. 나는 확실히 유죄입니다. 그러나 여러 대치로 결측 된 데이터를 처리하는 방법에 대한 매우 유용한 조언이 통계 패키지 / 모델 / 라이브러리 등에서와 같이 널리 사용 가능합니다. 누락이있을 때보다 합리적인 가정하에보다 적절한 분석을 촉진합니다.


1
교육하려는 정신으로 더 많은 일을 할 수 있습니까? 고려 사항-존재 여부를 인정하거나 그에 대한 통계 분석 조정 (예 : 대치) 해당되는 경우 supp를 포함 시키려고합니다. 관심있는 공변량에 의한 결 측값 표이지만, 이것이이 발언에 의해 "고려"에 충분한 지 명확하지 않다.
Andy W

8

"중요한 접근 (예 : p <.10) 효과를보고 더 엄격하고 수용 가능한 수준에서 중요성을 달성 한 것처럼 작성하는 효과보고. 중첩되지 않은 다중 구조 방정식 모델 실행 잘 확립 된 분석 전략을 취하여 이전에 아무도 사용하지 않았던 것처럼 제시 한 전략을 제시했을 것입니다.


아마도 표절보다는 휠을 재발 명했을까요?
리트

7

다음 두 기사를 추천합니다.

Martin Bland :
통계 심판을 화나게하는 방법
이것은 다른 통계 심판 ( '응답률이 낮은 편의성 샘플')의 데이터와 함께 Martin Bland가 제공 한 일련의 대화를 기반으로합니다. '통계 심판을 화나게하는 것을 피하기위한 11 포인트 목록'으로 끝납니다.

Stian Lydersen :
통계적 검토 : 자주 언급되는 의견
이 최근 논문 (2014/2015 발행)에는 약 14 가지의 저자에 대한 저자의 가장 일반적인 14 가지 의견 이 나열되어 있습니다. 과학 논문에 대한 200 건의 통계 검토 (특정 저널에서). 각 의견에는 문제점에 대한 간략한 설명과 분석 /보고 를 올바르게 수행하는 방법에 대한 지침이 있습니다. 인용 문헌 목록은 흥미로운 논문의보고입니다.


Lydersen의 목록은 흥미 롭습니다. 나는 그들 중 소수에 동의하지 않는다고 생각합니다. . .
Stats 학생

6

테스트 데이터가 독립적이지 않은 예측 모델의 일반화 오류를 목표로하는 "유효성"에 대해 가장 (그리고 가장 빈번하게) 짜증납니다 (예 : 일반적으로 데이터에서 환자 당 여러 측정, 부트 스트랩 외 또는 교차 검증 분할 측정이 아님) 환자 ).

더 성가신 교차 검증 결과와 교차 검증의 과도 적 바이어스를 보여 주지만 교차 검증의 설계가 잘못되었다는 단일 단어가 아닌 독립적 테스트 세트를 제공하는 논문 ...

(동일한 데이터가 제시 될 경우 완벽하게 기뻐할 것입니다. "우리는 교차 검증이 환자를 분할해야한다는 것을 알고 있지만이를 허용하지 않는 소프트웨어를 고수하고 있습니다. ")

(또한 부트 스트랩 핑 = 교체를 통한 리샘플링은 일반적으로 교차 검증 = 리샘플링을 사용하지 않는 리샘플링보다 성능이 우수하다는 것을 알고 있습니다. 부트 스트랩의 전체적인 불확실성이 비슷했습니다 .oob은 더 치우침이 있지만 분산은 적습니다 .- 되풀이하기 위해 이것을 매우 실용적인 관점에서보고 있습니다. 제한된 테스트 샘플 크기로 인해 환자 단위로 분할되거나보고 / 토론 / 멘션 무작위 불확실성이 없습니다.)

잘못된 것 외에도 이것은 올바른 검증을하는 사람들이 종종 그들의 결과가 문헌의 다른 모든 결과보다 훨씬 더 나쁜 이유를 방어해야한다는 부작용이 있습니다.


1
"최적화"부트 스트랩은 모델의 유효성을 검사하는 가장 좋은 방법 중 하나이며 교육 및 테스트 샘플이 겹칩니다.
Frank Harrell

1
@ Frank Harrell-당신의 주장이 확실하지 않습니다. 어쩌면 어려운 점은 화학 측량법에서 "예측 모델의 유효성 검사"는 항상 새롭고 알려지지 않은 미래 사례 (예 : 새로운 환자 진단)의 성능에 관한 것입니다. 나는 항상 부트 아웃 스트랩 또는 반복 / 반복 교차 검증을 사용합니다. 테스트 및 기차 세트 겹침의 이점이 환자 수준에서의 분할과 비교되는 점을 설명 할 수 있습니까 ( "중복"은 측정 분할을 의미하므로 테스트 및 훈련 측정은 동일한 환자에 속할 수 있으며 항상 환자 간 모델에 대해 이야기합니다) )?
cbeleites

... 그렇습니다. 모델 검증의 일부 포인트는 별도의 테스트 및 교육 사례 (예 : 계수 측면에서 모델 안정성)에서 데이터를 분할하지 않고도 답변 할 수 있습니다. 그러나 이미 안정성 wrt를 모델링합니다. 예측은 알려지지 않은 환자를 사용하여 측정해야합니다 (알 수 없음 : 모든 경우를 고려한 데이터 중심 전처리를 포함하여 모델을 구축하는 과정에 나타나지 않았습니다). 실제로,
화학량 학의

모범 사례는 기기의 알 수없는 조작자를 요구하며 검증 중에 결정해야하는 분석 방법의 중요한 특성 중 하나는 교정을 다시 수행해야하는 빈도입니다 (또는 특정 시간 동안 기기 드리프트를 무시할 수 있음을 나타냄)- 일부 저자는 이러한 독립적 인 테스트 세트를 무시하는 "리샘플링 남용"에 대해서도 이야기합니다 .
cbeleites

1
장비 또는 측정 기술이 검증이 필요한 경우 독립적 인 샘플이 필요합니다. 그러나 일반적인 실수는 데이터 분할을 사용하여 독립적 인 유효성 검사를 시뮬레이션하는 것입니다. 이것은 여전히 ​​내부 검증입니다. 위의 @cbeleites 질문에 대답하기 위해 부트 스트랩과 관련된 겹친 샘플은 대부분의 데이터 세트에서 데이터를 분할하는 것보다 미래 모델 성능을보다 정확하게 예측합니다. n = 17,000 및 0.30 이벤트 속도로 데이터 분할 성능이 저하되었습니다.
Frank Harrell

4

단수의 의미에서 "데이터"사용. 데이터는 그렇습니다.


2
아마 프랑스 통계)
스테판 로랑

9
나는 최근 10 년 정도 동안 데이터에 집착 한 후 복수의 데이터 사용을 포기했다는 것을 인정해야한다. 나는 일반적으로 비 기술적 인 청중을 위해 글을 쓰고, 나는 화려하게 다가 올까 걱정했다. APA는 여전히 복수형에 대한 엄격한 독서를하고있는 것으로 보이지만 흥미롭게도 왕립 통계 협회 (Royal Statistical Society)는 특별한 견해를 가지고 있지 않습니다. 여기에 흥미로운 토론이 있습니다 : guardian.co.uk/news/datablog/2010/jul/16/data-plural-singular
Chris Beeley

1
저는 영어 사용자가 아니지만 "데이터"또는 "미디어"와 같은 작품의 문제는 영어가 많은 다른 라틴어 단어를 빌려 왔으며 모든 라틴어 단어를 일관된 방식으로 사용해야한다는 것입니다. 무엇 향후 계획? "커리큘럼은?"또는 "커리큘럼은?" "중간은?" "데이터"가 라틴어 인 경우 복수입니다. 토론 끝. 많은 사람들이 지금 그것을 무시하고 싶어합니다.
Fran

어쩌면 나는 그것을 잘못 사용하고 있지만 상황에 따라 단수와 복수로 전환합니다.
Stats 학생

'데이텀'이라는 단어가 낮고 특수한 환경에서만 사용되는 경우 '데이터'라는 단어는 '늑대'와 관련하여 '팩'이라는 단어와 동등한 것으로 생각합니다. 단수형으로 'pack'이라는 단어를 사용하여 여러 개의 늑대를 묘사 할 수 있습니다. '데이터'라는 단어는 점차 고유 명사로 바뀌고 있습니다.
Robert de Graaf 5

3

나에게있어, 적절한 인과 관계 분석이 없거나 원인을 잘못 추론했을 때 원인을 제시하는 것입니다.

또한 누락 된 데이터를 처리하는 방법에주의를 기울일 때 싫어합니다. 저자가 단순히 사례 분석을 수행하고 결 측값이있는 모집단에 결과를 일반화 할 수 있는지 여부 또는 결 측값이있는 모집단이 완전한 데이터를 가진 모집단과 체계적으로 어떻게 다른지에 대해서는 언급하지 않는 논문이 너무 많습니다.


3

LaTeX가 아닌 Microsoft Word를 사용합니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.