การทำงานร่วมกันทางสถิติ

ในฐานะนักชีววิทยาโครงการวิจัยจำนวนมากที่ฉันทำงานในบางประเด็นเกี่ยวข้องกับการทำงานร่วมกันกับนักสถิติไม่ว่าจะเป็นคำแนะนำง่ายๆหรือสำหรับการนำไปใช้และทดสอบแบบจำลองสำหรับข้อมูลของฉัน เพื่อนร่วมงานด้านสถิติของฉันยอมรับว่าพวกเขามีการทำงานร่วมกันอย่างมีนัยสำคัญจนถึงขั้นตอนการพิจารณาการพิจารณาจะพิจารณาเฉพาะเอกสารที่พวกเขาเป็นผู้เขียนคนแรกหรือคนสุดท้าย

อะไรจะทำให้ฉัน (หรือนักวิทยาศาสตร์คนอื่น ๆ ) เป็นผู้ทำงานร่วมกันที่ดีกว่า อะไรจะทำให้การทำงานกับฉัน (ในฐานะนักสถิติ) ง่ายขึ้น? โดยเฉพาะแนวคิดทางสถิติเดียวที่คุณต้องการให้ผู้ทำงานร่วมกันของนักวิทยาศาสตร์ของคุณเข้าใจแล้ว

คำตอบของฉันมาจากมุมมองของนักสถิติการศึกษาในสหราชอาณาจักร โดยเฉพาะอย่างยิ่งในฐานะนักวิชาการที่ได้รับการตัดสินจากความก้าวหน้าในวิธีการทางสถิติ

อะไรจะทำให้ฉัน (หรือนักวิทยาศาสตร์คนอื่น ๆ ) เป็นผู้ทำงานร่วมกันที่ดีกว่า

ที่จะทื่อ - เงิน เวลาของฉันไม่ฟรีและฉัน (ในฐานะนักวิชาการ) ไม่ต้องทำงานเพื่อทำการวิเคราะห์ทางสถิติแบบมาตรฐาน แม้แต่การเป็นผู้เขียนคนแรก / คนสุดท้ายบนกระดาษที่ใช้วิธีการมาตรฐานมีค่าน้อยมากสำหรับฉัน (ในแง่การส่งเสริมและการวิจัยส่วนตัวของฉัน) การจ่ายเงินสำหรับเวลาของฉันจะซื้อฉันจากหน้าที่บริหารหรือการสอน การชำระเงินสามารถทำได้โดยการให้ความร่วมมือ

ในสหราชอาณาจักรนักวิชาการทุกห้าปีหรือมากกว่านั้นจะต้องส่งเอกสารที่ดีที่สุดสี่ฉบับ เอกสารของฉันถูกตัดสินจากการมีส่วนร่วมของพวกเขาในวรรณคดีเชิงสถิติ มันดูด แต่นั่นคือวิธีที่มันเป็น

ตอนนี้อาจเป็นไปได้ว่าคุณมีปัญหาที่น่าสนใจมากซึ่งจะนำไปสู่ความก้าวหน้าในเทคนิคทางสถิติ อย่างไรก็ตามเพียงแค่คิดถึงขนาดของแผนกสถิติของคุณเปรียบเทียบกับส่วนที่เหลือของ Uni อาจมีสถิติไม่เพียงพอที่จะไปรอบ ๆ

ในการบอกว่าฉันพยายามทำ "ให้คำปรึกษาเชิงสถิติ" ปีละครั้งเพื่อขยายความสนใจของฉันและเพื่อช่วยในการสอน ปีนี้ผมได้บางวิเคราะห์การอยู่รอด อย่างไรก็ตามฉันไม่เคยโฆษณาความจริงข้อนี้และฉันยังขอความช่วยเหลืออีกครึ่งโหลต่อปี!

ขออภัยที่เป็นลบ :(

โดยเฉพาะแนวคิดทางสถิติเดียวที่คุณต้องการให้ผู้ทำงานร่วมกันของนักวิทยาศาสตร์ของคุณเข้าใจแล้ว

นักสถิติที่ทำการวิจัยเชิงสถิติ ในฐานะหนึ่งในผู้ทำงานร่วมกันของฉันกล่าวว่า:

แน่นอนไม่มีอะไรเหลือให้แก้ไขในสถิติ?

ฉันคิดว่าแนวคิดที่นักวิทยาศาสตร์น้อยเข้าใจคือ: ผลลัพธ์ทางสถิติสามารถถูกนำมาใช้กับมูลค่าจริงเท่านั้นเมื่อเลือกวิธีการทางสถิติล่วงหน้าในขณะที่มีการวางแผนการทดลอง (หรือขณะที่ข้อมูลเบื้องต้นถูกรวบรวมเป็นวิธีการขัดเงา)

คุณมีแนวโน้มที่จะทำให้เข้าใจผิดถ้าคุณวิเคราะห์ข้อมูลด้วยวิธีนี้ก่อนแล้วจึงลองทำอย่างอื่นแล้ววิเคราะห์เพียงชุดย่อยของข้อมูลจากนั้นวิเคราะห์เฉพาะชุดย่อยนั้นหลังจากลบค่าที่ชัดเจน ..... และหยุดเท่านั้น เมื่อผลลัพธ์ตรงกับอคติของคุณหรือมีเครื่องหมายดอกจันจำนวนมาก นั่นเป็นวิธีที่ดีในการสร้างสมมติฐาน แต่ไม่ใช่วิธีที่เหมาะสมในการทดสอบ

เพื่อให้ได้คำตอบที่ดีคุณต้องเขียนคำถามที่ดี การตอบคำถามสถิติโดยไม่มีบริบทเป็นเหมือนการปิดตามวย คุณอาจทำให้คู่ต่อสู้ของคุณหลุดหรือคุณอาจหักมือลงที่เสา

เป็นคำถามที่ดีอะไร

1. บอกปัญหาที่คุณพยายามแก้ไข นั่นคือปัญหาที่แท้จริงไม่ใช่ประเด็นทางสถิติ

2. บอกเราว่าคุณรู้คณิตศาสตร์และสถิติใด หากคุณมีหลักสูตรหนึ่งในสถิติเบื้องต้นแล้วมันคงไม่สมเหตุสมผลสำหรับเราที่จะให้คำตอบที่เต็มไปด้วยทฤษฎีแบบผสมและพีชคณิตเมทริกซ์ ในทางกลับกันหากคุณมีหลักสูตรหลายหลักสูตรหรือมีประสบการณ์มากมายเราสามารถสมมติว่าคุณรู้พื้นฐานบางอย่าง

3. บอกให้เราทราบว่าข้อมูลของคุณมาจากที่ใดสิ่งที่ขาดหายไปจำนวนตัวแปรอะไรตัวแปร Dependent (DVs) และตัวแปรอิสระ (IVs) - ถ้ามีและอะไรอื่นที่เราต้องรู้เกี่ยวกับข้อมูล บอกเราด้วยว่าคุณใช้ซอฟต์แวร์สถิติใด (ถ้ามี)

4. คุณกำลังคิดที่จะจ้างที่ปรึกษาหรือคุณแค่ต้องการตัวชี้ไปในทิศทางใด?

5. จากนั้นบอกเฉพาะสิ่งที่คุณได้ลองทำไมคุณไม่มีความสุขและอื่น ๆ

ไม่มีแนวคิดที่คิดล่วงหน้าเกี่ยวกับวิธีการที่คุณควรใช้ตามเอกสาร ความคิดตรรกะหรือวิธีการของพวกเขาอาจผิดพลาด คุณต้องการคิดถึงปัญหาของคุณและใช้ชุดเครื่องมือที่เหมาะสมที่สุด สิ่งนี้ทำให้ฉันนึกถึงการทำซ้ำข้อมูลที่อ้างถึงโดยไม่ตรวจสอบแหล่งที่มา

ในทางตรงกันข้ามกระดาษที่มีวิธีการ (หรือตรรกะ) ที่แตกต่างจากส่วนที่เหลือของวรรณคดีอาจขัดขวางหรือคัดสรรกระบวนการตรวจสอบเพราะ "มันไม่ใช่บรรทัดฐาน"