คุณจะอธิบายข้อสมมติฐานที่ไร้เหตุผล / ความเพิกเฉยต่อคนที่ไม่ได้ศึกษา RCM อย่างไร
เกี่ยวกับสัญชาตญาณของใครบางคนที่ไม่มีประสบการณ์ในการอนุมานสาเหตุฉันคิดว่านี่เป็นที่ที่คุณสามารถใช้กราฟ พวกเขามีสัญชาตญาณในแง่ที่ว่าพวกเขาแสดง "การไหล" อย่างเห็นได้ชัดและพวกเขาจะทำให้ชัดเจนว่าการเพิกเฉยอย่างมีนัยสำคัญหมายถึงอะไรในโลกแห่งความจริง
เงื่อนไขการเพิกเฉยเทียบเท่ากับการอ้างสิทธิ์ Xเป็นไปตามเกณฑ์ลับๆ ดังนั้นในแง่ที่เข้าใจง่ายคุณสามารถพูดกับคนที่พวกโควาเรียตที่คุณเลือกX "บล็อก" ผลของสาเหตุทั่วไปของ T และ Y (และไม่เปิดการเชื่อมโยงปลอมอื่น ๆ )
หากตัวแปรที่รบกวนเท่านั้นที่เป็นไปได้ของปัญหาของคุณคือตัวแปรที่อยู่บน Xตัวเองแล้วนี่เป็นเรื่องเล็กน้อยที่จะอธิบาย คุณเพียงแค่พูดอย่างนั้นตั้งแต่X contais ทั้งหมดสาเหตุทั่วไปของทั้งสอง T และ Yนั่นคือทั้งหมดที่คุณต้องควบคุม ดังนั้นคุณสามารถพูดกับเธอว่าคุณเห็นโลก:
กรณีที่น่าสนใจคือเมื่อมีคนน่าเชื่อถือคนอื่น ๆ หากต้องการเจาะจงมากขึ้นคุณอาจขอให้บุคคลนั้นตั้งชื่อคนที่อาจเป็นปัญหาของคุณได้นั่นคือขอให้เธอตั้งชื่อสิ่งที่ทำให้ทั้งคู่T และ Yแต่มันไม่ได้อยู่ในนั้น X.
สมมติว่าบุคคลตั้งชื่อตัวแปร Z. จากนั้นคุณสามารถพูดกับบุคคลนั้นว่าสิ่งที่คุณคิดว่าการเพิกเฉยต่อเงื่อนไขอย่างมีประสิทธิภาพหมายถึงสิ่งที่คุณคิดX จะ "ปิดกั้น" ผลกระทบของ Z บน T และ / หรือ Y.
และคุณควรให้เหตุผลที่สำคัญแก่เธอว่าทำไมคุณคิดว่าจริง มีกราฟจำนวนมากที่สามารถเป็นตัวแทนได้ แต่บอกว่าคุณจะได้คำอธิบายนี้: "Z จะไม่อคติผลลัพธ์เพราะแม้ว่า Z สาเหตุ T และ Yผลกระทบต่อ T ผ่านเท่านั้น Xซึ่งเราควบคุมสำหรับ "จากนั้นแสดงกราฟนี้:
และคุณสามารถคิดถึงผู้ร่วมก่อตั้งคนอื่นและแสดงให้เธอเห็นได้อย่างไร X กำลังปิดกั้นพวกเขาในกราฟ
ตอนนี้ตอบคำถามเชิงแนวคิด:
โดยเฉพาะอย่างยิ่งถ้า T คือการรักษาผลที่อาจเกิดขึ้นจะขึ้นอยู่กับมันหรือไม่? เช่นกันถ้าเรามีการทดลองแบบสุ่มควบคุมโดยอัตโนมัติแล้ว ทำไมสิ่งนี้ถึงเป็นจริง?
ไม่คิด Tตามที่ได้รับมอบหมายการรักษา สิ่งที่กล่าวคือคุณกำลังกำหนดให้การรักษากับคน "ไม่สนใจ" ว่าพวกเขาตอบสนองต่อการรักษาอย่างไร การละเมิดข้อนี้จะทำให้คุณได้รับผลประโยชน์จากการรักษามากที่สุด
นั่นเป็นสาเหตุที่สิ่งนี้ถือโดยอัตโนมัติเมื่อคุณสุ่มเลือก หากคุณเลือกการรักษาแบบสุ่มหมายความว่าคุณไม่ได้ตรวจสอบการตอบสนองที่เป็นไปได้ของการรักษาเพื่อเลือกพวกเขา
เพื่อเติมเต็มคำตอบมันก็คุ้มค่าที่จะสังเกตเห็นว่าการเข้าใจความไม่เข้าใจโดยไม่ต้องพูดถึงกระบวนการเชิงสาเหตุนั่นคือโดยไม่ต้องใช้สมการโครงสร้าง / ตัวแบบกราฟิกนั้นยากมาก เวลาส่วนใหญ่ที่คุณเห็นนักวิจัยที่สนใจความคิดของ "การรักษาเป็นแบบสุ่มถ้า" แต่โดยไม่ต้องพิสูจน์เหตุผลว่าทำไมหรือนั่นคือเหตุผลที่เป็นไปได้โดยใช้กลไกและกระบวนการในโลกแห่งความจริง
ในความเป็นจริงนักวิจัยหลายคนสันนิษฐานว่าไม่รู้ง่ายเพื่อความสะดวกเพื่อพิสูจน์การใช้วิธีการทางสถิติ บทความนี้จากJoffe, Yang และ Feldman paperพูดถึงความจริงที่ไม่สะดวกที่คนส่วนใหญ่รู้ แต่ไม่ได้พูดในระหว่างการนำเสนอการประชุม: "มักจะมีข้อสันนิษฐานที่ไม่สนใจเพราะพวกเขาใช้เหตุผลทางสถิติที่มีอยู่
แต่อย่างที่ฉันได้กล่าวไว้ในตอนต้นของคำตอบคุณสามารถใช้กราฟเพื่อโต้แย้งว่าการมอบหมายการรักษานั้นเป็นสิ่งที่ละเลยหรือไม่ ในขณะที่แนวคิดเรื่องความโง่เขลาของตัวเองนั้นยากที่จะเข้าใจเพราะมันแสดงการตัดสินเกี่ยวกับปริมาณของการปลอมแปลงในกราฟโดยทั่วไปแล้วคุณกำลังสร้างข้อความเชิงคุณภาพเกี่ยวกับกระบวนการเชิงสาเหตุ (ตัวแปรนี้ทำให้ตัวแปรนั้นเป็นต้น) ซึ่งง่ายต่อการอธิบายและดึงดูดสายตา
ดังที่กล่าวไว้ในคำตอบก่อนหน้านี้มีความเท่าเทียมกันอย่างเป็นทางการระหว่างกราฟและผลลัพธ์ที่เป็นไปได้ ดังนั้นคุณสามารถอ่านผลลัพธ์ที่เป็นไปได้จากกราฟได้เช่นกัน ทำให้การเชื่อมต่อนี้เป็นทางการมากขึ้น (ดูเพิ่มเติมที่ Causality ของไข่มุก, หน้า 4343) คุณสามารถใช้คำจำกัดความต่อไปนี้: ผลลัพธ์ที่เป็นไปได้จะรวมถึงตัวแปรทั้งหมด (ข้อสังเกตและข้อผิดพลาด) ที่ส่งผลต่อ Y เมื่อ T คงที่ .
จากนั้นก็ง่ายที่จะเห็นว่าทำไมความเขลาใน RCT แต่ที่สำคัญกว่านั้นคือมันยังช่วยให้คุณสามารถสังเกตเห็นสถานการณ์ที่ไม่สามารถเพิกเฉยได้ง่าย ตัวอย่างเช่นในกราฟT→ X→ Y, T สามารถข้ามได้ แต่ T ไม่สามารถข้ามได้เนื่องจาก X เนื่องจากเมื่อคุณมีเงื่อนไขใน X คุณจะเปิดพา ธ การชนจากเงื่อนไขข้อผิดพลาดของ X ถึง T
สรุปนักวิจัยหลายคนตั้งสมมติฐานความโง่เขลาโดยค่าเริ่มต้นเพื่อความสะดวก มันเป็นวิธีที่สะดวกในการสมมติความพอเพียงของชุดควบคุมโดยไม่จำเป็นต้องพิสูจน์เหตุผลอย่างเป็นทางการว่าทำไมถึงเป็นเช่นนั้น แต่เพื่ออธิบายความหมายในบริบทที่แท้จริงสำหรับคนธรรมดาสามัญคุณจะต้องเรียกใช้เรื่องราวเชิงสาเหตุนั่นคือสมมติฐานเชิงสาเหตุ และคุณสามารถเล่าเรื่องอย่างเป็นทางการด้วยความช่วยเหลือของกราฟเชิงสาเหตุ