Способы статистического наблюдения: works.doklad.ru — Учебные материалы

Содержание

ВИДЫ И СПОСОБЫ СТАТИСТИЧЕСКОГО НАБЛЮДЕНИЯ. — Статистика

ВИДЫ И СПОСОБЫ СТАТИСТИЧЕСКОГО НАБЛЮДЕНИЯ.

Виды

По частоте регистрации По охвату единиц совокупности

непрерывное прерывное сплошное несплошное

периодическое единовременное обследование выборочное монографическое

основного

массива

Текущее (непрерывное) наблюдение производится непрерывно по мере возникновения фактов и отражает ход процесса и его результаты за определенный промежуток времени. Прерывное наблюдение отражает состояние явления на определенный момент времени. Оно может быть периодическим и единовременным. Периодическое наблюдение проводится нерегулярно по мере необходимости либо через равные промежутки времени.

По степени охвата единиц совокупности статистическое наблюдение может быть сплошным и несплошным. Сплошное наблюдение учитывает все без исключения единицы изучаемой совокупности и дает наиболее точную характеристику изучаемого явления. При несплошном наблюдении обследуется часть единиц изучаемой совокупности и полученные сведения распространяются на всю совокупность. Несплошное наблюдение проводят в трех видах:

1.Обследование основного массива — из всей совокупности единиц для наблюдения выбирается такая их часть, у которой объем изучаемого признака составляет подавляющую долю в объеме всей совокупности.

2.Выборочное наблюдение — наиболее совершенный метод статистического наблюдения, ему присущ строго научный отбор единиц изучаемой совокупности.

3.Монографическое описание — это детальное, углубленное изучение и описание отдельных единиц совокупности или небольших групп, характеризуемых в каком-либо отношении. Единицы или явления, выбранные для монографического описания, должны быть типичными, чтобы на их основе можно было иметь правильное суждение о характере этих явлений.

Способы

Непосредственное Документированное Опрос

Устный Письменный

анкетный корреспондентский

Способ непосредственного наблюдения — представители государственных органов статистики или других организаций заносят данные в статистические документы после личного осмотра, подсчета, измерения или взвешивания единиц наблюдения.

Документированный способ — в качестве источника статистической информации выступают различные документы.

Опрос - источником являются ответы опрашиваемого лица. Устный опрос — представители статистических органов опрашивают обследуемое лицо и с его слов заносят сведения в бланк обследования. Корреспондентский способ — добровольные корреспонденты обследуют единицы совокупности и полученные сведения заносят в бланк обследования. Анкетный способ — добровольное заполнение адресатами опросных листов или анкет (вручаются лично или по почте).

Виды и способы статистического наблюдения

Рассмотрим следующие виды статистического наблюдения:

если обследованию подвергается абсолютно все единицы изучаемой совокупности явлений и процессов, то это сплошное статистическое наблюдение;
если обследованию подвергаются часть единиц изучаемой совокупности явлений, то это несплошное статистическое наблюдение;
выборочным наблюдением называют наблюдение, при котором характеристика всей совокупности фактов дается по некоторой их части, отобранной в случайном порядке;
монографическое обследование – это детальное изучение и описание определенных единиц совокупности;

если обследованию подвергается та часть единиц совокупности, у которой величина изучаемого признака является преобладающей во всем объеме, то это называется методом основного массива;
сбор данных, основанный на добровольном заполнении адресатами анкет, называется анкетным обследованием;
если наблюдение ведется непрерывно, и при этом все факты и явления, происходящие в состоянии изменения, регистрируются, то это наблюдение называется текущим;
8) если же наблюдение осуществляется нерегулярно, но только тогда, когда требуется, это наблюдение называется единовременным;
периодическим называется наблюдение, которое повторяется через определенные промежутки времени (год, месяц, квартал и т. д.).

В зависимости от источников собираемых сведений различают:

наблюдение, осуществляемое самими регистраторами путем замера и с помощью осмотра, подсчета и взвешивания признаков изучаемого объекта, называется непосредственным;
опрос – это наблюдение, при котором ответы человека на вопросы фиксируются на определенном формуляре;
при документальном учете фактов источником сведений служат документы.

Способы статистического наблюдения.

Предоставление предприятиями, организациями статистических отчетов о своей хозяйственной деятельности в строго установленном порядке называют отчетным способом.

Вид статистического наблюдения, предполагающий предоставление сведений в органы, которые и ведут наблюдение, в явочном порядке называют явочным способом.

Если сведения в органы предоставляют корреспонденты, то этот способ называют корреспондентским.

Предоставление документов, которые заполняют сами опрашиваемые, а специальные работники только обеспечивают формулярами, называют способом саморегистрации.

Виды и способы статистического наблюдения

Производство Виды и способы статистического наблюдения

просмотров — 286

Статистическое наблюдение делится на виды по времени наблюдения, охвату единиц совокупности, источникам получения первичных данных (рис.2.2).

По времени регистрации данных наблюдение бывает непрерывным (текущим) и прерывным, периодическим и единовременным.

Непрерывное наблюдение ведется систематически, регистрация фактов производится по мере их свершения. К примеру, запись актов гражданского состояния: рождение, смерть, брак.

Периодические наблюдения производится регулярно через определенные промежутки времени по схожим программе и инструментарию, к примеру, регистрация потребительских цен на товары и услуги.

Единовременное наблюдение проводится проводится один раз по мере нужнобности, к примеру, перепись производственных мощностей.

По охвату единиц совокупности наблюдение делится на сплошное и несплошное. При сплошном наблюдении регистрируются все единицы изучаемой совокупности. При несплошном наблюдении обследуются не все единицы, а только заранее установленная их часть. Несплошные наблюдения бывают организованы как выборочные, монографические и способ наблюдения основного массива.

Учитывая зависимость отисточника получения первичных данных различают непосредственное наблюдение, документальное и опрос.

При непосредственном наблюдении регистраторы путем осмотра, замера, взвешивания устанавливают факт и заносят его в формуляр. К примеру, снятие остатков товарно — материальных ценностей.

Документальное наблюдение основано на использовании в качестве источника документов. При опросах сведения о каждой единице наблюдения фиксируются со слов респондентов. Различают следующие способы опроса: экспедиционный, саморегистрации, корреспондентский и анкетный.

Ошибки статистического наблюдения и методы контроля полученных данных

Ошибкой наблюдения считается величина отклонения между расчетными и фактическими значениями по изучаемым признакам.

Учитывая зависимость отхарактера и степени влияния на конечные результаты, а также исходя из причин возникновения неточностей выделяются ошибки регистрации и ошибки репрезентативности.

Рисунок 2.2. Виды и способы СН

Ошибки регистрации возникают вследствие неправильного установления фактов или неправильной записи. Ошибки регистрации бывают преднамеренными и непреднамеренными и возникают как при сплошном так и при несплошном наблюдении. Среди непреднамеренных ошибок различают случайные и систематические.

Ошибки репрезентативности свойственны несплошному наблюдению. Οʜᴎ возникают вследствие того, что состав выборочной совокупности неполно отображает состав всей совокупности (случайные) и из — за нарушения принципов случайного отбора (систематические).

Для выявления и устранения ошибок может использоваться счетный и логический контроль.

Контрольные вопросы

1. В чем сущность статистического наблюдения?

2. Перечислите источники информации.

3. Какие организационные формы статистического наблюдения Вы знаете?

4. Какие виды статистической отчетности существуют?

5. Назовите программно – методологические вопросы.

6. Что такое программа СН?

7. Перечислите организационные вопросы плана СН.

8. Какие виды наблюдения по времени регистрации данных Вы знаете?

9. Назовите виды наблюдения по степени охвата единиц совокупности.

10. Перечислите способы получения информации.

11. Какие ошибки СН Вы знаете?

12. Перечислите методы контроля полученных данных и охарактеризуйте их.

Статья 6. Федеральное статистическое наблюдение / КонсультантПлюс

Статья 6. Федеральное статистическое наблюдение

1. Федеральное статистическое наблюдение в зависимости от способа проведения может быть сплошным (проводится в отношении всех субъектов (объектов) изучаемой совокупности (переписи) и выборочным (проводится в отношении отдельных субъектов (объектов) изучаемой совокупности на основе представительной (репрезентативной) выборки, полно и адекватно отражающей свойства изучаемой совокупности). Способ проведения федерального статистического наблюдения определяется субъектами официального статистического учета, если иное не установлено федеральными законами.

2. Федеральное статистическое наблюдение проводится в отношении респондентов, которыми являются созданные на территории Российской Федерации юридические лица, органы государственной власти и органы местного самоуправления, филиалы, представительства и подразделения действующих на территории Российской Федерации иностранных организаций, граждане Российской Федерации, находящиеся на территории Российской Федерации иностранные граждане и лица без гражданства, граждане, осуществляющие предпринимательскую деятельность без образования юридического лица на территории Российской Федерации.

3. Сбор первичных статистических данных осуществляется по формам федерального статистического наблюдения. Форма федерального статистического наблюдения является формуляром — образцом статистического документа, предназначенным для получения в установленном порядке первичных статистических данных, содержащим вопросы программы наблюдения, место для ответов на них, иных данных, передача которых предусмотрена положениями настоящего Федерального закона, а также реквизиты подписи должностного лица, ответственного за предоставление первичных статистических данных (лица, уполномоченного предоставлять первичные статистические данные от имени юридического лица или от имени гражданина, осуществляющего предпринимательскую деятельность без образования юридического лица на территории Российской Федерации), и иных данных и позволяющим осуществлять унификацию процессов сбора и автоматизированной обработки первичных статистических данных.

(в ред. Федеральных законов от 30.12.2020 N 500-ФЗ, от 11. 06.2021 N 174-ФЗ)

4. Формы федерального статистического наблюдения и указания по их заполнению утверждаются уполномоченным Правительством Российской Федерации федеральным органом исполнительной власти по представлению субъектов официального статистического учета в порядке, установленном федеральным органом исполнительной власти, осуществляющим функции по выработке государственной политики и нормативно-правовому регулированию в сфере официального статистического учета, если иное не установлено федеральными законами.

(в ред. Федерального закона от 30.12.2020 N 500-ФЗ)

5. Сбор первичных статистических данных при проведении федерального статистического наблюдения осуществляется путем предоставления этих данных респондентами либо путем опроса респондентов или регистрации соответствующих фактов лицами, привлекаемыми для сбора первичных статистических данных. Способ сбора первичных статистических данных определяется субъектами официального статистического учета, если иное не установлено федеральными законами.

6. Выполнение работ, связанных с проведением федерального статистического наблюдения, и обработка данных, полученных в результате этих наблюдений, может осуществляться юридическими и физическими лицами, привлекаемыми для выполнения таких работ на договорной основе в соответствии с законодательством Российской Федерации. Условия оплаты труда указанных лиц и условия выплаты им вознаграждения определяются уполномоченным Правительством Российской Федерации федеральным органом исполнительной власти.

(часть 6 в ред. Федерального закона от 30.12.2020 N 500-ФЗ)

7. Условия оплаты труда лиц, привлекаемых для выполнения работ, связанных с проведением федерального статистического наблюдения и обработкой данных, полученных в результате этих наблюдений, включают в себя выплаты, предусмотренные законодательством Российской Федерации.

(часть 7 введена Федеральным законом от 30.12.2020 N 500-ФЗ)

8. Условия выплаты вознаграждения лицам, привлекаемым для выполнения работ, связанных с проведением федерального статистического наблюдения и обработкой данных, полученных в результате этих наблюдений, включают в себя размеры вознаграждений указанных лиц, виды понесенных ими расходов и порядок их компенсации.

(часть 8 введена Федеральным законом от 30.12.2020 N 500-ФЗ)

Открыть полный текст документа

2. Статистическое наблюдение. Виды, формы и способы статистического наблюдения. Точность статистического наблюдения и ее контроль

Ученые выявили новый симптом заражения «омикроном»

2021-12-28T01:14:33+03:00

2021

https://1prime.ru/health/20211228/835628233.html

Ученые выявили новый симптом заражения «омикроном»

Здоровье

Новости

ru-RU

https://1prime.ru/docs/terms/terms_of_use.html

https://россиясегодня.рф

Кожная сыпь может свидетельствовать о заражении штаммом «омикрон». Об этом сообщает РБК, ссылаясь на материал издания Daily Express об исследовании команды приложения ZOE Covid… ПРАЙМ, 28.12.2021

общество , здоровье, наука, технологии, новости, «омикрон»-штамм covid-19, исследование

https://cdnn.1prime.ru/images/83544/86/835448662.jpg

1920

1440

true

https://cdnn.1prime.ru/images/83544/86/835448662.jpg

https://cdnn.1prime.ru/images/83544/86/835448661.jpg

1920

1080

true

https://cdnn. 1prime.ru/images/83544/86/835448661.jpg

https://cdnn.1prime.ru/images/83544/86/835448649.jpg

1920

true

https://cdnn.1prime.ru/images/83544/86/835448649.jpg

https://1prime.ru/society/20211226/835619539.html

Агентство экономической информации ПРАЙМ

7 495 645-37-00

ФГУП МИА «Россия сегодня»

https://россиясегодня.рф/awards/

Агентство экономической информации ПРАЙМ

7 495 645-37-00

ФГУП МИА «Россия сегодня»

https://россиясегодня.рф/awards/

Агентство экономической информации ПРАЙМ

7 495 645-37-00

ФГУП МИА «Россия сегодня»

https://россиясегодня.рф/awards/

Агентство экономической информации ПРАЙМ

7 495 645-37-00

ФГУП МИА «Россия сегодня»

https://россиясегодня.рф/awards/

Агентство экономической информации ПРАЙМ

7 495 645-37-00

ФГУП МИА «Россия сегодня»

https://россиясегодня.рф/awards/

28 Декабря 2021, 01:14

Ученые выявили новый симптом заражения «омикроном»

Сюжет: Омикрон-штамм

Новый штамм COVID-19 «омикрон»

МОСКВА, 28 дек — ПРАЙМ. Кожная сыпь может свидетельствовать о заражении штаммом «омикрон». Об этом сообщает РБК, ссылаясь на материал издания Daily Express об исследовании команды приложения ZOE Covid Symptom (используется для наблюдения за симптомами COVID-19).

Иран закрывает въезд из ряда стран Европы и Африки из-за штамма «омикрон»

После анализа данных приложения эксперты заключили, что появление сыпи является «четвертым и ключевым признаком» «омикрона». Ранее медики назвали такие симптомы инфицирования новым штаммом, как заложенность носа, сухой кашель и болезненные ощущения в пояснице.

«У разных пациентов покраснения на коже отличаются друг от друга. Кто-то жаловался на сильный зуд, другие, наоборот, отмечали, что припухлости никак не беспокоят», — говорится в статье.

Вместе с тем уточняется, что сыпь может возникнуть на начальной стадии заболевания и закрепиться на долгое время.

Урок 41. Модели статистического прогнозирования

Модели статистического прогнозирования (§18)

О статистике и статистических данных

Рассмотрим способ нахождения зависимости частоты заболеваемости жителей города бронхиальной астмой от качества воздуха (третий пример из сформулированных в начале предыдущего параграфа). Любому человеку понятно, что такая зависимость существует. Очевидно, что чем хуже воздух, тем больше больных астмой. Но это качественное заключение. Его недостаточно для того, чтобы управлять уровнем загрязненности воздуха. Для управления требуются более конкретные знания. Нужно установить, какие именно примеси сильнее всего влияют на здоровье людей, как связана концентрация этих примесей в воздухе с числом заболеваний. Такую зависимость можно установить только экспериментальным путем: посредством сбора многочисленных данных, их анализа и обобщения.

При решении таких проблем на помощь приходит статистика.

Статистика — наука о сборе, измерении и анализе массовых количественных данных.

Существуют медицинская статистика, экономическая статистика, социальная статистика и другие. Математический аппарат статистики разрабатывает наука под названием математическая статистика.

Рассмотрим пример из области медицинской статистики.

Известно, что наиболее сильное влияние на бронхиально-легочные заболевания оказывает угарный газ — монооксид углерода. Поставив цель определить эту зависимость, специалисты по медицинской статистике проводят сбор данных. Они собирают сведения из разных городов о средней концентрации угарного газа в атмосфере и о заболеваемости астмой (число хронических больных на 1000 жителей). Полученные данные можно свести в таблицу, а также представить в виде точечной диаграммы (рис. 3.3¹).

¹ Приведенные в примере данные не являются официальной статистикой, однако правдоподобны.

Статистические данные всегда являются приближенными, усредненными. Поэтому они носят оценочный характер, но верно отражают характер зависимости величин. И еще одно важное замечание: для достоверности результатов, полученных путем анализа статистических данных, этих данных должно быть много.

Из полученных данных можно сделать вывод, что при концентрации угарного газа до 3 мг/м³ его влияние на заболеваемость астмой несильное. С дальнейшим ростом концентрации наступает резкий рост заболеваемости.

А как построить математическую модель данного явления? Очевидно, нужно получить формулу, отражающую зависимость количества хронических больных Р от концентрации угарного газа С. На языке математики это называется функцией зависимости Р от С: Р(С). Вид такой функции неизвестен, ее следует искать методом подбора по экспериментальным данным.

Понятно, что график искомой функции должен проходить близко к точкам диаграммы экспериментальных данных. Строить функцию так, чтобы ее график точно проходил через все данные точки (рис. 3.4, а), не имеет смысла. Во-первых, математический вид такой функции может оказаться слишком сложным. Во-вторых, уже говорилось о том, что экспериментальные значения являются приближенными.

Отсюда следуют основные требования к искомой функции:

• она должна быть достаточно простой для использования ее в дальнейших вычислениях;
• график этой функции должен проходить вблизи экспериментальных точек так, чтобы отклонения этих точек от графика были минимальны и равномерны (рис. 3.4, б).

Полученную функцию, график которой приведен на рис. 3.4, б, в статистике принято называть регрессионной моделью.

Метод наименьших квадратов

Получение регрессионной модели происходит в два этапа:

1) подбор вида функции;
2) вычисление параметров функции.

Первая задача не имеет строгого решения. Здесь может помочь опыт и интуиция исследователя, а возможен и «слепой» перебор из конечного числа функций и выбор лучшей из них.

Чаще всего выбор производится среди следующих функций:

у = ах + b — линейная функция;
у = ах² + bх + с — квадратичная функция;
у = а lп(х) + b — логарифмическая функция;
у = ае^bх — экспоненциальная функция;
у = ах^b — степенная функция.

Квадратичная функция называется в математике полиномом второй степени. Иногда используются полиномы и более высоких степеней, например полином третьей степени имеет вид:

у = ах³ + bх² + сх + d.

Во всех этих формулах х — аргумент, у — значение функции, а, b, с, d — параметры функции, lп(х) — натуральный логарифм, е — константа, основание натурального логарифма.

Если вы выбрали (сознательно или наугад) одну из предлагаемых функций, то далее нужно подобрать параметры (а, Ь, с и пр.) так, чтобы функция располагалась как можно ближе к экспериментальным точкам. Что значит «располагалась как можно ближе»? Ответить на этот вопрос значит предложить метод вычисления параметров. Такой метод был предложен в XVIII веке немецким математиком К. Гауссом и называется методом наименьших квадратов (МНК). Суть его заключается в следующем: искомая функция должна быть построена так, чтобы сумма квадратов отклонений y-координат всех экспериментальных точек от y-координат графика функции была минимальной.

Мы не будем здесь производить подробное математическое описание метода наименьших квадратов. Достаточно того, что вы теперь знаете о существовании такого метода. Он очень широко используется в статистической обработке данных и встроен во многие математические пакеты программ. Важно понимать следующее: методом наименьших квадратов по данному набору экспериментальных точек можно построить любую (в том числе и из рассмотренных выше) функцию. А вот будет ли она нас удовлетворять, это уже другой вопрос — вопрос критерия соответствия. На рис. 3.5 изображены три функции, построенные методом наименьших квадратов по приведенным экспериментальным данным.

Эти рисунки получены с помощью табличного процессора Microsoft Excel. График регрессионной модели называется трендом. Английское слово trend можно перевести как «общее направление» или «тенденция».

Уже с первого взгляда хочется отбраковать вариант линейного тренда. График линейной функции — это прямая. Полученная по МНК прямая отражает факт роста заболеваемости от концентрации угарного газа, но по этому графику трудно что-либо сказать о характере этого роста. А вот квадратичный и экспоненциальный тренды правдоподобны. Теперь пора обратить внимание на надписи, присутствующие на графиках.

Во-первых, это записанные в явном виде искомые функции — регрессионные модели:

линейная функция: у = 46,361x — 99,881;
экспоненциальная функция: у = 3,4302 е^0,7555х;
квадратичная функция: у = 21,845x² -106,97х + 150,21.

На графиках присутствует еще одна величина, полученная в результате построения трендов. Она обозначена как R². В статистике эта величина называется коэффициентом детерминированности. Именно она определяет, насколько удачной является полученная регрессионная модель. Коэффициент детерминированности всегда заключен в диапазоне от 0 до 1. Если он равен 1, то функция точно проходит через табличные значения, если 0, то выбранный вид регрессионной модели предельно неудачен. Чем R² ближе к 1, тем удачнее регрессионная модель.

Из трех выбранных моделей значение R² наименьшее у линейной. Значит, она самая неудачная (нам и так это было понятно). Значения же R² у двух других моделей достаточно близки (разница меньше 0,01). Если определить погрешность решения данной задачи как 0,01, по критерию R² эти модели нельзя разделить. Они одинаково удачны. Здесь могут вступить в силу качественные соображения. Например, если считать, что наиболее существенно влияние концентрации угарного газа проявляется при больших величинах, то, глядя на графики, предпочтение следует отдать квадратичной модели. Она лучше отражает резкий рост заболеваемости при больших концентрациях примеси.

Интересный факт: опыт показывает, что если человеку предложить на данной точечной диаграмме провести «на глаз» прямую так, чтобы точки были равномерно разбросаны вокруг нее, то он проведет линию, достаточно близкую к той, что дает МНК.

Методы сбора данных: что нужно знать о статистике

Внимание: Этот пост был написан несколько лет назад и может не отражать последние изменения в программе AP®. Мы постепенно обновляем эти сообщения и удалим этот отказ от ответственности после обновления этого сообщения. Спасибо за ваше терпение!

Введение

Столкнувшись с проблемой исследования, вам необходимо собрать, проанализировать и интерпретировать данные, чтобы ответить на ваши исследовательские вопросы.Примеры исследовательских вопросов, которые могут потребовать от вас сбора данных, включают: сколько людей проголосуют за кандидата, какой набор продуктов лучше всего использовать и насколько полезно лекарство для лечения болезни. Задача исследования, которую вы исследуете, определяет тип данных, которые вы собираетесь собирать, и метод сбора данных, который вы будете использовать. В этой статье мы рассмотрим различные типы данных, методы сбора данных, а также преимущества и недостатки каждого из них. Прочитав наш обзор, вы поймете, когда использовать каждый из обсуждаемых нами методов сбора данных.

Типы данных

Количественные данные

Данные, выраженные в числах и суммированные с использованием статистики для получения значимой информации, называются количественными данными . Примерами количественных данных, которые мы могли бы собрать, являются рост, вес или возраст учащихся. Если мы получим среднее значение каждого набора измерений, у нас будет значимая информация о среднем значении для каждой из этих характеристик учащегося.

Качественные данные

Когда мы используем данные для описания без измерения, мы называем это качественными данными . Примерами качественных данных являются отношение учащихся к школе, отношение к списыванию на экзаменах и дружелюбие учащихся к учителям. Такие данные нелегко обобщить с помощью статистики.

Первичные данные

Когда мы получаем данные напрямую от людей, объектов или процессов, мы называем их первичными данными . С помощью этого подхода можно собирать количественные или качественные данные. Такие данные обычно собираются исключительно для исследовательской задачи, которую вы будете изучать.Первичные данные имеют несколько преимуществ. Во-первых, мы адаптируем его к нашему конкретному исследовательскому вопросу, поэтому не требуется никаких настроек, чтобы сделать данные пригодными для использования. Во-вторых, первичные данные надежны, потому что вы контролируете способ сбора данных и можете контролировать их качество. В-третьих, собирая первичные данные, вы тратите свои ресурсы на сбор только необходимых данных. Наконец, первичные данные являются собственностью, поэтому вы получаете преимущество перед теми, кто не может получить к ним доступ.

Несмотря на свои преимущества, первичные данные также имеют недостатки, о которых необходимо знать.Первая проблема с первичными данными заключается в том, что их сбор дороже, чем вторичные данные. Получение первичных данных также требует больше времени по сравнению со сбором вторичных данных.

Вторичные данные

Когда вы собираете данные после того, как другой исследователь или агентство, которое первоначально собрало их, сделали их доступными, вы собираете вторичных данных . Примерами вторичных данных являются данные переписи населения, опубликованные Бюро переписи населения США, данные о ценах на акции, опубликованные CNN, и данные о заработной плате, опубликованные Бюро статистики труда.

Одним из преимуществ использования вторичных данных является то, что это сэкономит ваше время и деньги, хотя некоторые наборы данных требуют оплаты за доступ. Второе преимущество — относительная легкость, с которой вы можете его получить. Вы можете легко получить доступ к вторичным данным из публикаций, государственных учреждений, сайтов агрегирования данных и блогов. Третье преимущество состоит в том, что это устраняет дублирование усилий, поскольку вы можете идентифицировать существующие данные, которые соответствуют вашим потребностям, вместо того, чтобы собирать новые данные.

Несмотря на преимущества, которые он предлагает, вторичные данные имеют свои недостатки.Одно ограничение заключается в том, что вторичные данные могут быть неполными. Чтобы он соответствовал вашим исследовательским потребностям, вам может потребоваться обогатить его данными из других источников. Второй недостаток заключается в том, что вы не можете проверить точность вторичных данных или данные могут быть устаревшими. Третья проблема, с которой вы сталкиваетесь при использовании вторичных данных, заключается в том, что документация может быть неполной или отсутствовать. Следовательно, вы можете не знать о каких-либо проблемах, возникших при сборе данных, которые в противном случае повлияли бы на их интерпретацию. Еще одна проблема, с которой вы можете столкнуться, когда решите использовать вторичные данные, заключается в том, что могут быть ограничения авторского права.

Теперь, когда мы объяснили различные типы данных, которые вы можете собирать при проведении исследования, мы перейдем к рассмотрению методов, используемых для сбора первичных и вторичных данных.

Методы, используемые при сборе первичных данных

Когда вы решите провести оригинальное исследование, собранные вами данные могут быть количественными или качественными. Как правило, вы собираете количественные данные с помощью выборочных опросов, экспериментов и наблюдательных исследований. Вы получаете качественные данные с помощью фокус-групп, глубинных интервью и тематических исследований.Мы обсудим каждый из этих методов сбора данных ниже и рассмотрим их преимущества и недостатки.

Выборочные исследования

Опрос — это метод сбора данных, при котором вы выбираете выборку респондентов из большой совокупности для сбора информации об этой совокупности. Процесс идентификации людей из популяции, с которыми вы будете проводить собеседование, известен как выборка .

Чтобы собрать данные с помощью опроса, вы составляете анкету, чтобы запрашивать информацию у выбранных респондентов.При создании анкеты следует учитывать несколько ключевых моментов. Во-первых, убедитесь, что вопросы и варианты выбора однозначны. Во-вторых, убедитесь, что анкета будет заполнена в разумные сроки. Наконец, убедитесь, что нет опечаток. Чтобы проверить, есть ли какие-либо проблемы с вашей анкетой, используйте ее для опроса нескольких человек, прежде чем давать ее всем респондентам в вашей выборке. Мы называем этот процесс предварительным тестированием.

Использование опроса для сбора данных дает вам несколько преимуществ.Основное преимущество — это экономия времени и средств, поскольку вы проводите интервью только с выборкой, а не с большой группой населения. Еще одно преимущество состоит в том, что при правильном выборе образца вы получите информацию приемлемой точности. Кроме того, опросы адаптируются и могут использоваться для сбора данных для правительств, медицинских учреждений, предприятий и любой другой среды, где требуются данные.

Главный недостаток опросов возникает из-за неправильного выбора выборки; без соответствующей выборки результаты не будут точно обобщать генеральную совокупность.

Способы опроса респондентов

После того, как вы выбрали образец и разработали анкету, вы можете опросить участников несколькими способами. У каждого подхода есть свои преимущества и недостатки.

Личное интервью

При использовании этого метода вы встречаетесь с респондентами лицом к лицу и задаете вопросы. Личное собеседование дает несколько преимуществ. Этот метод дает отличные ответы и позволяет проводить интервью, которые занимают больше времени.Еще одно преимущество — вы можете задавать уточняющие вопросы на непонятные ответы.

У личных собеседований есть недостатки, о которых вам необходимо знать. Во-первых, этот метод дорог и требует больше времени из-за подготовки интервьюеров, транспорта и оплаты труда. Второй недостаток заключается в том, что некоторые районы населения, например районы, подверженные преступности, недоступны, что может привести к предвзятости.

Телефон для собеседований

Используя эту технику, вы звоните респондентам по телефону и беседуете с ними.Этот метод предлагает преимущество быстрого сбора данных, особенно при использовании компьютерного телефонного опроса. Еще одно преимущество состоит в том, что сбор данных по телефону дешевле, чем личное собеседование.

Одно из основных ограничений телефонного интервью: трудно завоевать доверие респондентов. По этой причине вы можете не получить ответы или внести предвзятость. Поскольку телефонные интервью, как правило, короткие, чтобы не расстроить респондентов, этот метод также может ограничить объем данных, которые вы можете собрать.

Онлайн-собеседование

При онлайн-интервью вы отправляете респондентам электронное письмо с приглашением принять участие в онлайн-опросе. Этот метод широко используется, потому что это недорогой способ опроса многих респондентов. Еще одно преимущество — анонимность; вы можете получить деликатные ответы, которые участникам было бы неудобно давать при личном собеседовании.

Когда вы используете онлайн-собеседование, вы сталкиваетесь с недостатком, заключающимся в том, что вы не получаете репрезентативную выборку.Вы также не можете запрашивать разъяснения по непонятным ответам.

Анкета, отправленная по почте

При использовании этого метода интервью вы отправляете распечатанный вопросник на почтовый адрес респондента. Участники заполняют анкету и отправляют ее по почте. Этот метод интервьюирования дает вам преимущество в получении информации, которую респонденты могут не захотеть предоставить при личной беседе.

Основным ограничением при рассылке вопросников по почте является низкая вероятность получения ответов.Имейте в виду, что неточность в почтовом адресе, задержки или потеря почты также могут повлиять на скорость ответа. Кроме того, рассылаемые по почте вопросники нельзя использовать для интервьюирования респондентов с низким уровнем грамотности, и вы не можете запрашивать разъяснения по ответам.

Фокус-группы

Когда вы используете фокус-группу в качестве метода сбора данных, вы определяете группу от 6 до 10 человек с похожими характеристиками. Затем модератор ведет обсуждение, чтобы определить отношения и опыт группы.Ответы фиксируются с помощью видеозаписи, записи голоса или письма — это данные, которые вы проанализируете, чтобы ответить на ваши исследовательские вопросы. Преимущество фокус-групп в том, что они требуют меньше ресурсов и времени по сравнению с опросом отдельных лиц. Еще одно преимущество состоит в том, что вы можете запросить разъяснения по нечетким ответам.

Один недостаток, с которым вы сталкиваетесь при использовании фокус-групп, заключается в том, что выбранная выборка может неточно представлять совокупность. Кроме того, доминирующие участники могут влиять на реакцию других.

Методы сбора данных наблюдений

В методе сбора данных наблюдений вы получаете данные, наблюдая за любыми взаимосвязями, которые могут присутствовать в изучаемом вами явлении. Вам как исследователю доступны четыре типа методов наблюдения: поперечный, случай-контроль, когортный и экологический.

В перекрестном исследовании вы собираете данные о наблюдаемых взаимосвязях только один раз. Этот метод имеет то преимущество, что он дешевле и занимает меньше времени по сравнению с методом случай-контроль и когортным методом.Однако перекрестные исследования могут упустить взаимосвязи, которые могут возникнуть с течением времени.

Используя метод case-control , вы создаете наблюдения и элементы управления, а затем наблюдаете за ними. Случай подвергся воздействию интересующего явления, а контрольный орган — нет. После определения случаев и элементов управления вы возвращаетесь во времени, чтобы наблюдать, как интересующее вас событие происходит в двух группах. Вот почему исследования случай-контроль называют ретроспективными. Например, предположим, что медицинский исследователь подозревает, что определенный тип косметики вызывает рак кожи.Вы набираете людей, которые использовали косметику, футляры, и тех, кто не использовал косметику, средства управления. Вы просите участников запомнить тип косметического средства и частоту его использования. Этот метод дешевле и требует меньше времени по сравнению с когортным методом. Однако у этого подхода есть ограничения, когда люди, за которыми вы наблюдаете, не могут точно вспомнить информацию. Мы называем это предвзятостью воспоминаний, потому что вы полагаетесь на способность участников запоминать информацию. В примере с косметикой ошибка припоминания может возникнуть, если участники не могут точно вспомнить тип косметики и количество использованных косметических средств.

В когорте методом вы отслеживаете людей с похожими характеристиками в течение определенного периода. Этот метод удобен при сборе данных о событиях, происходящих в течение длительного периода. Его недостатком является то, что он дорогостоящий и требует больше времени. Это также не подходит для редких случаев.

Три метода, которые мы обсуждали ранее, собирают данные о физических лицах. Если вы заинтересованы в изучении населения, а не отдельных лиц, вы используете экологический метод . Например, вас интересуют показатели заболеваемости раком легких в Айове и Северной Дакоте. Вы получаете из Национального института рака число случаев рака на 1000 человек для каждого штата и сравниваете их. Затем вы можете предположить возможные причины различий между двумя состояниями. Используя экологический метод, вы экономите время и деньги, потому что данные уже доступны. Однако собранные данные могут привести вас к выводу о несуществующих взаимосвязях между населением.

Эксперименты

Эксперимент — это метод сбора данных, при котором вы, как исследователь, изменяете одни переменные и наблюдаете их влияние на другие переменные.Переменные, которыми вы управляете, называются независимыми , а переменные, которые изменяются в результате манипуляций, называются зависимыми переменными. Представьте, что производитель проверяет влияние силы лекарства на количество бактерий в организме. Компания решает проверить силу препарата в дозах 10, 20 и 40 мг. В этом примере сила лекарства является независимой переменной, а количество бактерий — зависимой переменной. Вводимый препарат является лечением, а 10 мг, 20 мг и 40 мг — это уровни лечения.

Самым большим преимуществом использования эксперимента является то, что вы можете исследовать причинно-следственные связи, недоступные наблюдательному исследованию. Кроме того, экспериментальные исследования можно адаптировать к различным областям, таким как медицинские исследования, сельское хозяйство, социология и психология. Тем не менее, эксперименты имеют недостаток в том, что они дороги и требуют много времени.

Сводка

Эта статья познакомила вас с различными типами данных, которые вы можете собирать в исследовательских целях.Мы обсудили количественные, качественные, первичные и вторичные данные и определили преимущества и недостатки каждого типа данных. Мы также рассмотрели различные методы сбора данных и изучили их преимущества и недостатки. Прочитав эту статью, вы сможете выбрать метод сбора данных, наиболее подходящий для вашего исследовательского вопроса. Данные — это доказательства, которые вы используете для решения своей исследовательской задачи. Когда вы используете правильный метод сбора данных, вы получаете нужные данные для решения вашей проблемы.

Ищете статистику?

Вы можете найти тысячи практических вопросов на Albert.io. Albert.io позволяет настроить процесс обучения так, чтобы он ориентировался на практику там, где вам больше всего нужна помощь. Мы зададим вам сложные практические вопросы, которые помогут вам достичь совершенства в статистике.

Начните практиковать здесь .

Вы преподаватель или администратор, заинтересованный в улучшении статистических результатов учащихся?

Узнайте больше о наших школьных лицензиях здесь .

Руководство по пониманию статистических методов

Резюме

Наблюдательные исследования будут продолжать предоставлять важный метод

для клинических исследований в ортопедической хирургии y в условиях

, в которых рандомизированные контролируемые испытания неосуществимы

и при повышенной обобщаемости результатов желательно. Серия случаев

будет по-прежнему предоставлять важную информацию об истории болезни nat-

и распространенности определенных заболеваний или исходов

и будет служить для выработки гипотез для будущих исследований.Fur-

thermore, их анализ с описательной статистикой относительно прост. Прогностические исследования помогут исследователям еще больше понять факторы риска, которые связаны с определенными исходами. доминировали контролируемые испытания при принятии решений о лечении.

Ошибочная предвзятость представляет собой серьезное препятствие для получения достоверных

выводов из таких исследований, и здесь были рассмотрены современные аналитические подходы

для исследователей-ортопедов и

читателей литературы.Понимание соответствующих сильных и слабых сторон

различных аналитических подходов

необходимо для правильного применения и интерпретации. Хотя каждый подход

имеет свои ограничения и допущения, любой из этих подходов

можно использовать как мощный инструмент для понимания данных наблюдений

в клинических исследованиях. n

Саам Моршед, доктор медицины, магистр здравоохранения

Отделение ортопедической хирургии, Калифорнийский университет в Сан-Франциско

Франциско, Институт ортопедической травмы в Сан-Франциско General

Больница, 1001 Potrero Avenue, Room 3A-36, San Francisco, CA 94110.

Адрес электронной почты: [email protected]

Пол Торнетта III, доктор медицины

Отделение ортопедической хирургии,

Медицинский центр Бостонского университета,

850 Харрисон-авеню, D2N, Бостон, Массачусетс 02118

Bhandari, MD, MSc, FRCSC

Отделение ортопедической хирургии, Отделение хирургии, McMaster

University, 293 Wellington Street North, Suite 110, Hamilton, ON L8L

2X2, Canada

Ссылки

1.Мур Д.С., Маккейб Г.П. Введение в практику статистики. 4-е изд. Новый

Йорк: W.H. Фримен; 2003.

2. Альтман Д.Г. Практическая статистика для медицинских исследований. Лондон: Chapman и

Hall / CRC; 1991.

3. Lehmann EL. Непараметрика: статистические методы на основе рангов. Нью-Йорк:

Макгроу-Хилл; 1975.

4. Альтман Д.Г., Гор С.М., Гарднер М.Дж., Покок С.Дж. Статистическое руководство для спонсоров медицинских журналов. В: Гарднер М.Дж., Альтман Д.Г., редакторы.Статистика с уверенностью

. Лондон: Британский медицинский журнал; 1989. С. 83-100.

5. Ротман К.Дж., Гренландия С, редакторы. Современная эпидемиология. 2-е изд. Филадельфия:

Липпинкотт Уильямс и Уилкинс; 1998.

6. Hurwitz SR, Tornetta P 3rd, Wright JG. Критическая проблема AOA; как читать литературу

, чтобы изменить свою практику: подход, основанный на доказательной медицине. J Bone

Joint Surg Am. 2006; 88: 1873-9.

7. Бендер Р., Ланге С. Регулировка для множественных испытаний — когда и как? J Clin Epi-

демиол.2001; 54: 343-9.

8. Sackett DL. Предвзятость в аналитических исследованиях. J Chronic Dis. 1979; 32: 51-63.

9. Байар Д.П., Саймон Р.М., Фридевальд В.Т., Шлессельман Дж. Дж., Демец Д. Л., Элленберг Дж. Х.,

Гейл М. Х., Уэр Дж. Х. Рандомизированные клинические испытания. Перспективы некоторых недавних идей. №

Engl J Med. 1976; 295: 74-80.

10. Сельвин С. Практические методы биостатистики. Бельмонт: Duxbury Press;

1995.

11. Letournel E, Judet R. Переломы вертлужной впадины.2-е изд. Нью-Йорк: Спрингер;

1993.

12. Moed BR, Carr SE, Watson JT. Открытая репозиция и внутренняя фиксация

задних переломов стенки вертлужной впадины. Clin Orthop Relat Res. 2000; 377: 57-67.

13. Matta JM. Переломы вертлужной впадины: точность репозиции и клинические результаты

у пациентов, прооперированных в течение трех недель после травмы. J Bone

Joint Surg Am. 1996; 78: 1632-45.

14. Либергалл М., Мошефф Р., Лоу Дж., Голдвирт М., Матан И., Сигал Д.Переломы вертлужной впадины

. Клинический исход хирургического лечения. Clin Orthop Relat Res.

1999; 366: 205-16.

15. Чиминиелло М., Парвизи Дж., Шарки П.Ф., Эслампур А., Ротман Р.Х. Тотальный тазобедренный сустав

Тропластика: лучше ли маленький разрез? J Артропластика. 2006; 21: 484-8.

16. День СВ, Бярский Д.П., Зеленая СО. Чрезмерная корректировка в исследованиях случай-контроль. Am J

Epidemiol. 1980; 112: 696-706.

17. Боссе М.Дж., Маккензи Э.Дж., Ример Б.Л., Брамбак Р.Дж., Маккарти М.Л., Берджесс А.Р.,

Генс Д.Р., Ясуи Ю.Респираторный дистресс-синдром у взрослых, пневмония и смертность

после травмы грудной клетки и перелома бедренной кости, леченных интрамедуллярным

гвоздем с рассверливанием или пластиной. Сравнительное исследование. J Bone Joint Surg Am.

1997; 79: 799-809.

18. Mantel N, Haenszel W. Статистические аспекты анализа данных

ретроспективных исследований болезней. J Natl Cancer Inst. 1959; 22:

719-48.

19. Салех К., Олсон М. , Ресиг С., Бершадский Б., Кусковски М., Гио Т., Робинсон Х.,

Шмидт Р., МакЭлфреш Э.Предикторы инфекции раны в тазобедренном и коленном суставах повторное размещение

: результаты 20-летней программы наблюдения. J Orthop Res.

2002; 20: 506-15.

20. Кольцо D, Адей Л., Зураковский Д., Юпитер Дж. Б.. Капсулэктомия локтевого сустава при посттравматической ригидности локтевого сустава

. J Hand Surg [Am]. 2006; 31: 1264-71.

21. Kleinbaum DG. Анализ выживания: самообучающийся текст. Берлин: Спрингер;

1996.

22. Бхандари М., Торнетта П. 3-й, Спраг С., Наджиби С., Петрисор Б., Гриффит Л., Гайятт

GH.Предикторы повторной операции после оперативного лечения переломов диафиза большеберцовой кости

. J Orthop Trauma. 2003; 17: 353-61.

23. Хосмер Д.В., Лемешоу С. Прикладная логистическая регрессия. Нью-Йорк: Джон Вили

и сыновья; 1989.

24. Клейнбаум Д.Г., Куппер Л.Л., Мюллер К.Е., Низам А. Прикладной регрессионный анализ

и многомерные методы. 3-е изд. Бельмонт: Duxbury Press; 1998.

25. Розенбаум П.Р., Рубин ДБ. Центральная роль оценки предрасположенности в профессиональных исследованиях причинных эффектов.Биометрика. 1983; 70: 41-55.

26. St¨

urmer T, Schneeweiss S, Rothman KJ, Avorn J, Glynn RJ. Проведение калибровки оценки склонности

— имитационное исследование. Am J Epidemiol. 2007; 165:

1110-8.

27. МакГенри Т.П., Мирза С.К., Ван Дж., Уэйд К.Э., О’Киф Дж. Э., Дейли А. Т., Шрайбер

Массачусетс, Чепмен Дж. Р.. Факторы риска дыхательной недостаточности после оперативной стабилизации переломов грудного и поясничного отделов позвоночника. J Bone Joint Surg Am.2006; 88: 997-

1005.

28. Розенбаум П.Р., Рубин ДБ. Снижение систематической ошибки в обсервационных исследованиях с использованием подкласса

по шкале предрасположенности. J Am Stat Assoc. 1984; 79:

516-24.

29. St¨

urmer T, Joshi M, Glynn RJ, Avorn J, Rothman KJ, Schneeweiss S. Обзор

применения методов оценки предрасположенности привел к увеличению их использования,

преимуществ в определенных условиях, но не существенно отличаются от оценок, равных

, по сравнению с обычными многомерными методами.J Clin Epidemiol. 2006; 59:

437-47.

30. Shah BR, Laupacis A, Hux JE, Austin PC. Методы оценки предрасположенности дали

результатов, аналогичных традиционному регрессионному моделированию в обсервационных исследованиях: тематический обзор системы

. J Clin Epidemiol. 2005; 58: 550-9.

ЖУРНАЛ ХИРУРГИИ КОСТИ И СУСТАВОВ dJBJS.ORG

VOLUME 91-A dSUPPLEMENT 3d2009

АНАЛИЗ НАБЛЮДАТЕЛЬНЫХ ИССЛЕДОВАНИЙ: В СООТВЕТСТВИИ С

НАБЛЮДАТЕЛЬНЫМИ ИССЛЕДОВАНИЯМИ: НАБЛЮДЕНИЕМ НА

ДИНАМИЧЕСКИЕ ИССЛЕДОВАНИЯ

Наблюдательные исследования используют выборки, чтобы сделать выводы о популяции, когда исследователи не контролируют лечение или независимую переменную, которая связана с основным вопросом исследования.

В моем предыдущем посте я показываю, как случайное распределение уменьшает систематические различия между экспериментальными группами в начале исследования, что повышает вашу уверенность в том, что лечение вызвало любые различия между группами, которые вы наблюдаете в конце исследования.

К сожалению, случайное присвоение не всегда возможно. В этих случаях вы можете провести обсервационное исследование. В этом посте вы узнаете о наблюдательных исследованиях, почему эти исследования должны учитывать смешивающие переменные и как это сделать.Я закрою этот пост, просмотрев опубликованное обсервационное исследование об использовании витаминных добавок.

Определение наблюдательных исследований

В наблюдательном исследовании исследователи только наблюдают за субъектами и не вмешиваются или не пытаются повлиять на результаты. Другими словами, исследователи не контролируют лечение и не распределяют субъектов по экспериментальным группам. Вместо этого они наблюдают и измеряют интересующие переменные и ищут взаимосвязи между ними. Обычно исследователи проводят обсервационные исследования, когда сложно, невозможно или неэтично распределить участников исследования по экспериментальным группам случайным образом.Если вы не можете случайным образом распределить субъектов в экспериментальную и контрольную группы, тогда вы наблюдаете за субъектами в их самостоятельно выбранных состояниях.

Рандомизированные исследования лучше, и вы всегда должны проводить рандомизацию, когда это возможно. Однако, если рандомизация невозможна, наука не должна останавливаться. В конце концов, мы все еще хотим учиться, открывать отношения и делать открытия. В таких случаях хорошей альтернативой являются обсервационные исследования.

Связанное сообщение : Контрольные группы в экспериментах

Примеры использования наблюдательных исследований

Просто наблюдаю!

Давайте начнем с рассмотрения случаев, когда случайное присвоение проблематично.Несмотря на это ограничение, мы все еще можем проводить наблюдательные исследования и делать выводы о эффектах.

Если вы изучаете, как депрессия влияет на выполнение какой-либо деятельности, невозможно случайным образом распределить испытуемых в депрессивную и контрольную группы. Однако вы можете попросить испытуемых с депрессией и без нее выполнить упражнение и сравнить результаты.

Или представьте себе попытку распределить испытуемых в группы курящих и некурящих наугад ?! Однако вы можете наблюдать за людьми в обеих группах и оценивать различия в результатах для здоровья.

Предположим, вы изучаете способ лечения болезни. В идеале вы набираете группу пациентов, у которых есть заболевание, а затем случайным образом относите их к группе лечения и контрольной группе. Однако отказываться от лечения неэтично, поскольку это исключает контрольную группу. Вместо этого вы можете сравнить пациентов, которые добровольно не принимают лекарство, с пациентами, которые его применяют.

Позже в этом посте мы рассмотрим исследование о потреблении витаминных добавок и о том, как это влияет на риск смерти. Можно использовать случайное распределение, чтобы поместить каждого субъекта либо в группу лечения витамином, либо в контрольную группу. Однако в исследовании оценивается потребление витаминов 40 000 участников в течение двух десятилетий. Невозможно обеспечить соблюдение протоколов лечения и контроля в течение столь длительного времени для такого количества людей!

Во всех этих примерах исследователи не распределяют испытуемых в экспериментальные группы. Вместо этого они наблюдают за людьми, которые уже находятся в этих группах, и сравнивают результаты.

Недостатки наблюдательных исследований

В то время как исследования с использованием наблюдений обходят невозможность случайного назначения испытуемых, этот подход открывает дверь к проблеме смешивания переменных. Смешивающая переменная коррелирует как с экспериментальными группами, так и с переменной результата. Поскольку не существует случайного процесса, который уравнивает экспериментальные группы в наблюдательном исследовании, смешивающие переменные могут систематически различаться между группами, когда исследование начинается. Следовательно, искажающие факторы могут быть реальной причиной различий в результатах в конце исследования, а не основной интересующей переменной. Если эксперимент не учитывает смешивающие переменные, искажающие факторы могут исказить результаты и сделать их недостоверными.

Наблюдательные исследования могут снизить внутреннюю валидность вашего исследования, но повысить внешнюю валидность. Узнайте больше о внутренней и внешней действительности.

Давайте посмотрим, как это работает. Представьте себе обсервационное исследование, в котором сравнивают людей, принимающих витаминные добавки, с теми, кто их не принимает.Люди, которые добровольно принимают витаминные добавки, будут иметь другие здоровые привычки, которые существовали в начале исследования. Эти здоровые привычки — смешанные переменные. Если в конце исследования есть различия в результатах для здоровья, возможно, именно эти здоровые привычки на самом деле вызвали их, а не само потребление витаминов. Короче говоря, искажающие результаты путают результаты, потому что они предоставляют альтернативные объяснения различий.

Несмотря на ограничения, обсервационное исследование может быть действенным подходом.Однако вы должны убедиться, что ваше исследование учитывает смешивающие переменные. К счастью, для этого есть несколько способов!

Учет смешанных переменных в обсервационных исследованиях

В рандомизированном исследовании рандомизация имеет тенденцию уравнивать факторы, вызывающие искажение, между группами и, таким образом, предотвращает проблемы. В моем сообщении о случайном назначении я описываю этот процесс как элегантное решение для смешивания переменных. Вам не нужно измерять или даже знать, какие переменные мешают, и рандомизация все равно смягчит их влияние.Кроме того, вы можете использовать контрольные переменные, чтобы экспериментальные условия были как можно более согласованными.

С другой стороны, обсервационные исследования не используют случайное распределение, и искажающие факторы могут быть распределены непропорционально. Следовательно, экспериментаторам необходимо знать, какие переменные являются искажающими, измерить их, а затем использовать метод для их учета. Это требует больше работы, а дополнительные измерения могут увеличить затраты. И всегда есть шанс, что исследователи не смогут определить причину искажения, не учесть ее и получить необъективные результаты.Однако, если рандомизация невозможна, вам, вероятно, следует рассмотреть возможность проведения обсервационного исследования.

Сопоставление признаков и статистический контроль вмешивающихся факторов с использованием многомерных процедур — это два стандартных подхода к включению вмешивающихся переменных.

Связанное сообщение : Причинно-следственная связь и корреляция в статистике

Сопоставление в наблюдательных исследованиях

Вот это совпадение! Один из этих милашек будет в экспериментальной группе, а другой — в контрольной.

Сопоставление — это метод, который включает в себя выбор участников исследования со схожими характеристиками за пределами интересующей переменной или лечения. Вместо того, чтобы использовать случайное распределение для уравнивания экспериментальных групп, экспериментаторы делают это путем сопоставления наблюдаемых характеристик. Для каждого участника экспериментальной группы исследователи находят участника со сравнимыми характеристиками, чтобы включить его в контрольную группу. Соответствующие предметы облегчают достоверные сравнения между этими группами. Исследователи используют знания предметной области для определения характеристик, соответствие которым имеет решающее значение.

Например, при исследовании витаминных добавок с использованием сопоставления будут выбраны субъекты со схожими привычками и характеристиками, связанными со здоровьем. Цель состоит в том, чтобы потребление витаминов было основным различием между группами, что поможет вам связать различия в результатах для здоровья с потреблением витаминов. Однако исследователи все еще наблюдают за участниками, которые решают, употребляют ли они добавки.

Matching имеет некоторые недостатки. Экспериментаторы могут не знать всех необходимых характеристик, которым они должны соответствовать.Другими словами, группы могут отличаться по важному аспекту, который исследователи не осознают. Например, в гипотетическом исследовании витаминов может быть здоровая привычка или атрибут, влияющий на результат, который исследователи не измеряют и не сравнивают. Эти несоответствующие характеристики могут быть причиной наблюдаемых различий в результатах, а не потребления витаминов.

Использование множественной регрессии в наблюдательных исследованиях

Случайное распределение и сопоставление используют разные методы для выравнивания экспериментальных групп.Однако статистические методы, такие как множественный регрессионный анализ, не пытаются уравнять группы, а вместо этого используют модель, которая учитывает смешивающие переменные. Эти исследования статистически контролируют смешивающие переменные.

В множественном регрессионном анализе включение переменной в модель сохраняет ее постоянным, пока вы меняете интересующую переменную / обработку. Для получения информации об этом свойстве прочтите мой пост. Когда мне следует использовать регрессионный анализ?

Как и в случае сопоставления, задача состоит в том, чтобы идентифицировать, измерить и включить все искажающие факторы в регрессионную модель. Отсутствие смешивающей переменной в регрессионной модели может исказить ваши результаты.

Далее мы рассмотрим опубликованное исследование, в котором для учета смешивающих переменных используется множественная регрессия.

Связанное сообщение : Независимые и зависимые переменные в модели регрессии

Оценка обсервационного исследования витаминных добавок

Murso et al. (2011) * использовали лонгитюдное обсервационное исследование, которое длилось 22 года, чтобы оценить различия в уровне смертности субъектов, которые регулярно принимали витаминные добавки, по сравнению с теми, кто их не принимал.В этом исследовании использовались опросы, чтобы записать характеристики примерно 40 000 участников. В опросах задавались вопросы о потенциальных смешивающих переменных, таких как демографическая информация, потребление пищи, сведения о состоянии здоровья, физическая активность и, конечно же, потребление пищевых добавок.

Поскольку это обсервационное исследование, испытуемые сами решали, принимают ли они витаминные добавки. Следовательно, можно с уверенностью предположить, что пользователи дополнения и непользователи могут отличаться друг от друга.В своей статье исследователи обнаружили следующие ранее существовавшие различия между двумя группами:

У пользователей добавок была более низкая распространенность сахарного диабета, высокого кровяного давления и курения; меньший ИМТ и соотношение талии и бедер, и меньшая вероятность того, что они живут на ферме. Пользователи добавок имели более высокий образовательный уровень, были более физически активными и с большей вероятностью использовали заместительную терапию эстрогенами. Кроме того, пользователи добавок с большей вероятностью имели более низкое потребление энергии, общего жира и мононенасыщенных жирных кислот, насыщенных жирных кислот и имели более высокое потребление белка, углеводов, полиненасыщенных жирных кислот, алкоголя, цельнозерновых продуктов, фруктов и овощи.

Уф! Это длинный список различий! Пользователи добавок отличались от тех, кто их не употреблял, по множеству причин, которые могли повлиять на их риск смерти. Исследователи должны учитывать эти смешанные переменные, когда они сравнивают пользователей добавок с непользователями. В противном случае их результаты могут быть необъективными.

Использование множественной регрессии для статистического контроля искажающих факторов

Чтобы учесть эти начальные различия, исследователи используют регрессионный анализ и включают в модель смешанные переменные.

Исследователи представляют три регрессионные модели. Самая простая модель учитывает только возраст и калорийность. Далее следуют две модели, которые включают дополнительные смешивающие переменные, помимо возраста и калорий. Первая модель добавляет различную демографическую информацию и семь показателей здоровья. Вторая модель включает в себя все, что было в предыдущей модели, и добавляет несколько более конкретных диетических показателей потребления. Используя статистическую значимость в качестве руководства для определения правильной регрессионной модели, исследователи представляют модель с наибольшим количеством переменных в качестве основы для своих окончательных результатов.

Поучительно сравнить необработанные результаты и окончательные результаты регрессии.

Необработанные результаты

Необработанные различия в рисках смерти для потребителей фолиевой кислоты, витамина B6, магния, цинка, меди и поливитаминов НЕ являются статистически значимыми. Однако необработанные результаты показывают значительное снижение риска смерти для пользователей комплекса B, C, кальция, D и E.

Однако это необработанные результаты, которые не учитывают длинный список различий между группами, существующий в начале исследования.После использования регрессионной модели для статистического контроля смешивающих переменных результаты резко меняются.

Скорректированные результаты

Из 15 добавок, отслеживаемых исследованием, исследователи обнаружили, что употребление семи из этих добавок было связано со статистически значимым ПОВЫШЕНИЕМ риска смерти (значение p <0,05): поливитамины (увеличение риска смерти на 2,4%), витамин B6 (на 4,1%). ), железо (3,9%), фолиевая кислота (5,9%), цинк (3,0%), магний (3,6%) и медь (18,0%).Только кальций был связан со статистически значимым снижением риска смерти на 3,8%.

Короче говоря, необработанные результаты показывают, что те, кто потребляет добавки, имеют такой же или более низкий риск смерти, чем не потребители. Однако эти результаты не учитывают множество более здоровых привычек и качеств в группе, которая использует добавки.

Фактически, эти искажающие факторы, кажется, приносят большую часть очевидных преимуществ в необработанных результатах, потому что после того, как вы статистически контролируете влияние этих смешанных переменных, результаты ухудшаются для тех, кто потребляет витаминные добавки.Скорректированные результаты показывают, что большинство витаминных добавок действительно увеличивают риск смерти!

Это исследование показывает, как искажающие факторы искажают исходные результаты, чтобы результаты потребления витаминов выглядели лучше, чем они есть на самом деле.

В заключение, если вы не можете случайным образом распределить испытуемых в экспериментальные группы, вам может подойти обсервационное исследование. Однако имейте в виду, что вам нужно будет определить, измерить и учесть мешающие переменные в дизайне эксперимента.

Номер ссылки

Яакко Мурсу, доктор философии; Ким Робиен, доктор философии; Лиза Дж. Харнак, DrPH, MPH; Кионг Пак, доктор философии; Дэвид Р. Джейкобс-младший, доктор философии; Диетические добавки и уровень смертности среди пожилых женщин: исследование здоровья женщин Айовы; Arch Intern Med . 2011; 171 (18): 1625-1633.

Связанные

ДЕБАТНО-статистический анализ планов наблюдательных исследований | BMC Medical Research Methodology

Скуг М., Сааримяки Дж., Глууд К., Шейнин М., Эрлендссон К., Аамдал С.Прозрачность и регистрация в клинических исследованиях в странах Северной Европы (Отчет). NordForsk: Северный испытательный альянс. 2015: 1–108.

Шульц К.Ф., Альтман Д.Г., Мохер Д. Группа CONSORT: Заявление CONSORT 2010: обновленное руководство по составлению отчетов о рандомизированных исследованиях в параллельных группах. Int J Surg. 2011; 9 (8): 672–7.

PubMed Статья PubMed Central Google Scholar

Мохер Д., Либерати А., Тецлафф Дж., Альтман Д.Г.Группа PRISMA: предпочтительные элементы отчетности для систематических обзоров и метаанализов: заявление PRISMA. J Clin Epidemiol. 2009. 62 (10): 1006–12.

PubMed Статья PubMed Central Google Scholar

Chan AW, Tetzlaff JM, Gotzsche PC, Altman DG, Mann H, Berlin JA, Dickersin K, Hrobjartsson A, Schulz KF, Parulekar WR, Krleza-Jeric K, Laupacis A, Moher D. SPIRIT 2013 объяснение и разработка: руководство по протоколам клинических испытаний.BMJ. 2013; 346: e7586.

PubMed PubMed Central Статья Google Scholar

Чиен П.Ф., Хан К.С., Сиассакос Д. Регистрация систематических обзоров: PROSPERO. BJOG. 2012. 119 (8): 903–5.

PubMed Статья PubMed Central Google Scholar

Эбрахим С., Сохани З. Н., Монтойя Л., Агарвал А., Торлунд К., Миллс Е. Дж., Иоаннидис Дж. П.. Повторный анализ данных рандомизированных клинических исследований.ДЖАМА. 2014. 312 (10): 1024–32.

CAS PubMed Статья PubMed Central Google Scholar

Gamble C, Krishan A, Stocken D, Lewis S, Juszczak E, Dore C, Williamson PR, Altman DG, Montgomery A, Lim P, Berlin J, Senn S, Day S, Barbachano Y, Loder E Рекомендации по содержанию планов статистического анализа в клинических исследованиях. ДЖАМА. 2017; 318 (23): 2337–43.

PubMed Статья PubMed Central Google Scholar

фон Эльм Э., Альтман Д.Г., Эггер М. , Покок С.Дж., Готше П.С., Ванденбрук Дж. Инициатива STROBE: усиление отчетности по обсервационным исследованиям в эпидемиологии (STROBE) заявление: руководство по отчетности по обсервационным исследованиям. BMJ. 2007. 335 (7624): 806–8.

Артикул Google Scholar

Коллинз Г.С., Рейцма Дж.Б., Альтман Д.Г., Мунс К.Г. Прозрачный отчет многомерной модели прогнозирования для индивидуального прогноза или диагноза (TRIPOD): заявление TRIPOD.J Clin Epidemiol. 2015; 68 (2): 134–43.

PubMed Статья PubMed Central Google Scholar

10.

Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft Л., Кореваар Д.А., Коэн Дж. Ф. Группа STARD: STARD 2015: обновленный список основных элементов для отчетов об исследованиях диагностической точности. BMJ. 2015; 351: h5527.

PubMed PubMed Central Статья Google Scholar

11.

PLOS. Медицинские редакторы: обсервационные исследования: прояснение прозрачности. PLoS Med. 2014; 11 (8): e1001711.

Артикул Google Scholar

12.

Лодер Э, Гровс Т., Маколи Д. Регистрация наблюдательных исследований. BMJ. 2010; 340: c950.

PubMed Статья PubMed Central Google Scholar

13.

Ланцет. Следует ли регистрировать протоколы наблюдательных исследований? Ланцет.2010; 375 (9712): 1.

Google Scholar

14.

Уильямс Р.Дж., Це Т., Харлан В.Р., Зарин Д.А. Оформление наблюдательных исследований: пора ли? CMAJ. 2010. 182 (15): 1638–42.

PubMed PubMed Central Статья Google Scholar

15.

Eisenach JC, Kheterpal S, Houle TT. Отчетность наблюдательных исследований в АНЕСТЕЗИОЛОГИИ: важность плана анализа.Анестезиология. 2016; 124 (5): 998–1000.

PubMed Статья PubMed Central Google Scholar

16.

Hiemstra B, Eck RJ, Koster G, Wetterslev J, Perner A, Pettilä V, Snieder H, Hummel YM, Wiersema R, de Smet AM, Keus F, van der Horst I. Клиническое обследование, реанимация УЗИ и исходы у тяжелобольных: профиль когорты простых исследований интенсивной терапии-I. BMJ Open. 2017; 7 (9): e017170.

PubMed PubMed Central Статья Google Scholar

17.

Krleza-Jeric K, Chan AW, Dickersin K, Sim I, Grimshaw J, Gluud C. Принципы международной регистрации протокольной информации и результатов испытаний вмешательств, связанных со здоровьем на людях: Оттавское заявление (часть 1). BMJ. 2005. 330 (7497): 956–8.

PubMed PubMed Central Статья Google Scholar

18.

Garattini S, Jakobsen JC, Wetterslev J, Bertele V, Banzi R, Rath A, Neugebauer EA, Laville M, Masson Y, Hivert V, Eikermann M, Aydin B, Ngwabyt S, Martinho C, Gerardi C , Шмигельски CA, Demotes-Mainard J, Gluud C.Доказательная клиническая практика: обзор угроз действительности доказательств и способы их минимизации. Eur J Intern Med. 2016; 32: 13–21.

PubMed Статья PubMed Central Google Scholar

19.

Чу С., Умански Г., Бланк А, Гроссберг Р., Селвин П.А. ВИЧ-инфицированные пациенты и результаты лечения: исследование эквивалентности лечения ВИЧ на базе местного сообщества и специализированной помощи на базе больниц в Бронксе, Нью-Йорк.Уход за СПИДом. 2010. 22 (12): 1522–9.

CAS PubMed PubMed Central Статья Google Scholar

20.

Pyo JH, Lee H, Min BH, Lee JH, Choi MG, Lee JH, Sohn TS, Bae JM, Kim KM, Ahn JH, Carriere KC, Kim JJ, Kim S. эндоскопическая резекция по сравнению с хирургическим вмешательством при раннем раке желудка: когортное исследование, не соответствующее меньшей эффективности. Am J Gastroenterol. 2016; 111 (2): 240–9.

PubMed Статья PubMed Central Google Scholar

21.

Parker K, Perikala V, Aminazad A, Deng Z, Borg B, Buchan C, Toghill J, Irving LB, Goldin J, Charlesworth D, Mahal A, Illesinghe S, Naughton MT, Young A. Модели оказания неинвазивной помощи вентиляция в исследовании сравнения острой ХОБЛ в трех больницах третичного уровня (ACT3). Респирология. 2018; 23 (5): 492–7.

PubMed Статья PubMed Central Google Scholar

22.

Остеволл И.М., Гьестад Р., Брокс Д.И., Сольберг Т.К., Сторхейм К., Рекеланд Ф., Хермансен Э., Индреквам К., Хеллум К.Эффективность одной только декомпрессии по сравнению с дополнительным слиянием при стенозе поясничного отдела позвоночника с дегенеративным спондилолистезом: прагматичное сравнительное обсервационное исследование не меньшей эффективности из Норвежского регистра хирургии позвоночника. Eur Spine J. 2017; 26 (2): 404–13.

PubMed Статья PubMed Central Google Scholar

23.

O’Brien PC, Fleming TR. Процедура многократного тестирования для клинических испытаний. Биометрия.1979; 35 (3): 549–56.

CAS PubMed Статья PubMed Central Google Scholar

24.

Бланд Дж. М., Альтман Д. Г.. Множественные тесты значимости: метод Бонферрони. BMJ. 1995; 310 (6973): 170.

CAS PubMed PubMed Central Статья Google Scholar

25.

Шидак З. Прямоугольные доверительные области для средних многомерных нормальных распределений.J Am Stat Assoc. 1967. 62 (318): 626–33.

Google Scholar

26.

Анонимная международная конференция по гармонизации технических требований к регистрации лекарственных средств для использования человеком (ICH) принимает Сводное руководство по надлежащей клинической практике проведения клинических испытаний лекарственных препаратов для человека. Int Dig Health Legis. 1997. 48 (2): 231–4.

27.

Бендер Р., Ланге С. Множественные процедуры испытаний, отличные от методов Бонферрони, заслуживают более широкого использования.BMJ. 1999. 318 (7183): 600–1.

CAS PubMed PubMed Central Статья Google Scholar

28.

Jakobsen JC, Wetterslev J, Winkel P, Lange T., Gluud C. Пороги статистической и клинической значимости в систематических обзорах с использованием метааналитических методов. BMC Med Res Methodol. 2014; 14: 120.

PubMed PubMed Central Статья Google Scholar

29.

Vandenbroucke JP, von Elm E, Altman DG, Gotzsche PC, Mulrow CD, Pocock SJ, Poole C., Schlesselman JJ, Egger M. STROBE. Инициатива: усиление отчетности по обсервационным исследованиям в эпидемиологии (STROBE): объяснение и уточнение. Int J Surg. 2014. 12 (12): 1500–24.

Артикул Google Scholar

30.

Nguyen TL, Collins GS, Lamy A, Devereaux PJ, Daures JP, Landais P, Le Manach Y. Простая рандомизация не защитила от систематической ошибки в небольших испытаниях.J Clin Epidemiol. 2017; 84: 105–13.

PubMed Статья PubMed Central Google Scholar

31.

Pouwels KB, Widyakusuma NN, Groenwold RH, Hak E. Качество сообщений о искажениях оставалось субоптимальным после рекомендаций STROBE. J Clin Epidemiol. 2016; 69: 217–24.

PubMed Статья PubMed Central Google Scholar

32.

Гринберг Л., Джайрат В., Пирс Р., Кахан Британская Колумбия.Предварительное указание подходов к статистическому анализу в опубликованных протоколах клинических испытаний было недостаточным. J Clin Epidemiol. 2018; 101: 53–60.

PubMed Статья PubMed Central Google Scholar

33.

Перкинс Н.Дж., Коул С. Р., Харел О., Тчетген Тчетген Э.Дж., Сан Б., Митчелл Э.М., Шистерман Э.Ф. Принципиальные подходы к отсутствию данных в эпидемиологических исследованиях. Am J Epidemiol. 2018; 187 (3): 568–75.

PubMed Статья PubMed Central Google Scholar

34.

Jakobsen JC, Gluud C, Wetterslev J, Winkel P. Когда и как следует использовать множественное вменение для обработки недостающих данных в рандомизированных клинических испытаниях — практическое руководство с блок-схемами. BMC Med Res Methodol. 2017; 17 (1): 162.

PubMed PubMed Central Статья Google Scholar

35.

McCulloch P, Altman DG, Campbell WB, Flum DR, Glasziou P, Marshall JC, Nicholl J, Balliol Collaboration, Aronson JK, Barkun JS, Blazeby JM, Boutron IC, Campbell WB, Clavien PA, Cook JA , Ergina PL, Feldman LS, Flum DR, Maddern GJ, Nicholl J, Reeves BC, Seiler CM, Strasberg SM, Meakins JL, Ashby D, Black N, Bunker J, Burton M, Campbell M, Chalkidou K, Chalmers I, de Леваль М. , Дикс Дж., Эргина П.Л., Грант А, Грей М., Гринхалг Р., Дженичек М., Кехо С., Лилфорд Р., Литтлджонс П., Локи Ю., Мэдхок Р., Макферсон К., Микинс Дж., Ротвелл П., Саммерскилл Б., Таггарт Д. , Теккис П., Томпсон М., Сокровище Т., Тролер Ю., Ванденбрук Дж.Никаких хирургических инноваций без оценки: рекомендации IDEAL. Ланцет. 2009. 374 (9695): 1105–12.

Артикул Google Scholar

36.

van Staa TP, Smeeth L, Persson I, Parkinson J, Leufkens HG. Каково соотношение вреда и пользы ингибиторов ЦОГ-2? Int J Epidemiol. 2008. 37 (2): 405–13.

PubMed Статья PubMed Central Google Scholar

37.

Jespersen CM, Als-Nielsen B, Damgaard M, Hansen JF, Hansen S, Helo OH, Hildebrandt P, Hilden J, Jensen GB, Kastrup J, Kolmos HJ, Kjoller E, Lind I, Nielsen H, Петерсен Л., Глууд К.Группа исследования CLARICOR: рандомизированное плацебо-контролируемое многоцентровое исследование для оценки краткосрочного применения кларитромицина у пациентов со стабильной ишемической болезнью сердца: исследование CLARICOR. BMJ. 2006. 332 (7532): 22–7.

PubMed PubMed Central Статья CAS Google Scholar

38.

Редакторы. Регистрация наблюдательных исследований — когда метафоры портятся. Эпидемиология. 2010. 21 (5): 607–9.

Google Scholar

39.

Савиц Д.А. Регистрация наблюдательных исследований не увеличивает валидность. Clin Pharmacol Ther. 2011; 90 (5): 646–8.

CAS PubMed Статья PubMed Central Google Scholar

40.

Плеть, TL. Предварительная регистрация протоколов исследования вряд ли улучшит результаты нашей науки, но другие стратегии могут. Эпидемиология. 2010. 21 (5): 612–3.

PubMed Статья PubMed Central Google Scholar

41.

Vandenbroucke JP. Предварительная регистрация эпидемиологических исследований: необоснованная смесь идей. Эпидемиология. 2010. 21 (5): 619–20.

PubMed Статья PubMed Central Google Scholar

42.

Vandenbroucke JP. Регистрация наблюдательного исследования: размышления. Ланцет. 2010. 375 (9719): 982–3.

PubMed Статья PubMed Central Google Scholar

43.

Пирс Н. Регистрация протоколов наблюдательных исследований не нужна и принесет больше вреда, чем пользы. Occup Environ Med. 2011. 68 (2): 86–8.

PubMed Статья PubMed Central Google Scholar

44.

Lash TL, Vandenbroucke JP. Должна ли предварительная регистрация протоколов эпидемиологического исследования стать обязательной? Размышления и встречное предложение. Эпидемиология. 2012. 23 (2): 184–8.

PubMed Статья PubMed Central Google Scholar

45.

Дал-Ре Р. , Иоаннидис Дж. П., Бракен М. Б., Баффлер П. А., Чан А. В., Франко Э. Л., Ла Веккья С., Вейдерпасс Е. Реализация проспективной регистрации наблюдательных исследований. Sci Transl Med. 2014; 6 (224): 224см1.

PubMed Статья PubMed Central Google Scholar

46.

Bracken MB. Предварительная регистрация протоколов эпидемиологии: комментарий в поддержку. Эпидемиология. 2011; 22 (2): 135–7.

PubMed Статья PubMed Central Google Scholar

47.

Томас Л., Петерсон ЭД. Значение планов статистического анализа в наблюдательных исследованиях: определение высококачественных исследований с самого начала. ДЖАМА. 2012. 308 (8): 773–4.

CAS PubMed Статья PubMed Central Google Scholar

48.

Onukwugha E. Повышение уверенности в наблюдательных исследованиях: должны ли планы статистического анализа быть общедоступными? Фармакоэкономика. 2013; 31 (3): 177–9.

PubMed Статья PubMed Central Google Scholar

49.

Иоаннидис JP. Важность потенциальных исследований, которых еще не было, и регистрация наборов данных наблюдений. ДЖАМА. 2012. 308 (6): 575–6.

CAS PubMed Статья PubMed Central Google Scholar

50.

Дикс Дж., Диннес Дж., Д’Амико Р., Соуден А. Дж., Сакарович К., Сонг Ф., Петтичрю М., Альтман Д. Г.. Совместная группа по международному исследованию инсульта, совместная группа по европейскому исследованию хирургии сонных артерий: оценка нерандомизированных интервенционных исследований.Оценка медицинских технологий. 2003; 7 (27): 173.

Артикул Google Scholar

51.

Ioannidis JP. Почему большинство обнаруженных истинных ассоциаций раздуваются. Эпидемиология. 2008. 19 (5): 640–8.

PubMed Статья PubMed Central Google Scholar

52.

Schoenfeld JD, Ioannidis JP. Все, что мы едим, связано с раком? Систематический обзор поваренной книги. Am J Clin Nutr.2013. 97 (1): 127–34.

CAS PubMed Статья PubMed Central Google Scholar

Данные наблюдений — обзор

5.2.1 Оценка склонности

Предполагая модель логистической регрессии, A | W∼bin (1, pA | W),

(5,12) logp (Ai = 1 | Wi) p (Ai = 0 | Wi) = α0 + α1Wi,

оценка склонности определяется как

(5.13) e (W) = P (A = 1 | W) = e (α0 + α1W) 1 + e (α0 + α1W).

Короче говоря, это условная вероятность отнесения к экспозиции A с учетом вектора наблюдаемых ковариат (Розенбаум и Рубин, 1983).Как видно из этого уравнения, оно зависит от случайных величин W и имеет собственное распределение вероятностей.

Поскольку наблюдаемые различия в данных наблюдений могут отражать основные различия между группами, очень важно смягчить систематическую ошибку, возникающую из-за дисбаланса в ковариатных распределениях. Использование показателя склонности улучшает сопоставимость групп воздействия в отношении измеренных ковариат и, таким образом, снижает систематическую ошибку. Учитывая, что e (W), W и A условно независимы, что уравновешивает измеренные ковариаты по группам воздействия (Розенбаум и Рубин, 1983).Другими словами, группы со схожими распределениями e (W) должны иметь схожие распределения W . Другие свойства оценок склонности, как указано в Joffe and Rosenbaum (1999), следующие:

(a): . оценка предрасположенности e ( W ).
(b): Оценочные оценки склонности лучше справляются с устранением систематической ошибки, чем оценки истинной склонности, поскольку оценочные оценки склонности устраняют как систематические, так и случайные дисбалансы, в то время как оценка истинной склонности устраняет только систематические дисбалансы.

Показатели предрасположенности приобрели популярность и широко используются в статистической литературе для контроля базовых различий. Эти методы корректировки варьируются от сопоставления (Розенбаум и Рубин, 1985; Рубин и Томас, 1996) до корректировки регрессии (Д’Агостино, 1998; Рубин и Томас, 2000) до взвешивания (Робинс и др., 2000; Хирано и Имбенс, 2001). ; Сато, Мацуяма, 2003).

Выбор модели оценки склонности часто достигается с помощью логистической регрессии.Логистическая модель в выражении (5.12) предполагает линейную зависимость между ответом и ковариатами. Это предположение, однако, не всегда верно, особенно когда некоторые из ковариат являются непрерывными. Более того, Канг и Шафер (2007) показали, что логистическая регрессия не всегда может быть хорошим способом оценки склонности к реагированию, и выступили за использование более надежных процедур, особенно при наличии выбросов. Один из альтернативных подходов к логистической регрессии — это структура моделирования, которая оценивает гибкую функцию ковариант при ослаблении предположения о линейности.Одной из таких моделей является обобщенная аддитивная модель (GAM) для двоичной зависимой переменной. Впервые предложенный Хасти и Тибширани (1990), GAM предполагает, что среднее значение зависимой переменной зависит от аддитивного предиктора через нелинейную функцию связи, и позволяет распределению вероятности ответа быть любым членом экспоненциального семейства распределений, включая логистическая модель для двоичных данных. Это обеспечивает более гибкую взаимосвязь между непрерывными ковариатами и откликом с помощью методов сглаживания (Hastie and Tibshirani, 1990).

В то время как модели логистической регрессии определяют логит вероятности ответа в линейной форме

(5,14) logp (A = 1 | W) p (A = 0 | W) = α0 + ∑j = 1pαjwj,

логистический аддитивная модель заменяет этот линейный предсказатель аддитивным в виде:

(5.15) logp (A = 1 | W) p (A = 0 | W) = α0 + ∑j = 1pfj (wj),

где f1 ( ·), F2 (·),…, fp (·) — гладкие функции, определяющие аддитивную составляющую. Преимущества использования GAM по сравнению с логистической регрессией при оценке показателей склонности были продемонстрированы Ву и его коллегами (2008). Используя как смоделированные, так и подлинные данные, они показали, как GAM превосходит логистическую регрессию в улучшении ковариационного баланса, особенно для более высоких моментов ковариатных распределений.

В случае непрерывного A , гибкий параметрический подход, предложенный Хирано и Имбенсом (2004), может быть использован для вычисления обобщенной оценки склонности. Во-первых, постулируется нормальное распределение непрерывного биомаркера A с учетом ковариант, то есть Ai | Wi∼N (α0 + β1′Wi, σ2).Затем параметры α0, β1, σ2 оцениваются с помощью регрессии наименьших квадратов или оценки максимального правдоподобия (MLE). Обобщенные оценки склонности оцениваются путем включения этих оценок параметров в нормальную плотность:

(5.16) Rˆl = 12πσˆ2exp-Ai- (αˆ0 + βˆ1Wi) 2σˆ22.

6.5 Наблюдательные исследования — методы исследования в психологии

Цели обучения

Перечислите различные типы методов наблюдательного исследования и проведите различие между ними
Опишите сильные и слабые стороны каждого метода наблюдательного исследования.

Что такое наблюдательные исследования?

Термин наблюдательное исследование используется для обозначения нескольких различных типов неэкспериментальных исследований, в которых поведение систематически наблюдается и регистрируется. Цель наблюдательного исследования — описать переменную или набор переменных. В более общем плане цель состоит в том, чтобы получить снимок конкретных характеристик человека, группы или окружения. Как описано ранее, наблюдательные исследования не являются экспериментальными, потому что ничем не манипулируют и не контролируют, и поэтому мы не можем прийти к причинным выводам, используя этот подход.Данные, которые собираются в ходе наблюдательных исследований, часто носят качественный характер, но они также могут быть количественными или и тем, и другим (смешанные методы). Существует несколько различных типов планов наблюдательных исследований, которые будут описаны ниже.

Натуралистическая смотровая площадка

Натуралистическое наблюдение — это метод наблюдения, который включает наблюдение за поведением людей в среде, в которой оно обычно происходит. Таким образом, натуралистическое наблюдение — это вид полевых исследований (в отличие от лабораторных исследований).Известное исследование шимпанзе Джейн Гудолл — классический пример натуралистического наблюдения. Доктор Гудолл провел три десятилетия, наблюдая за шимпанзе в их естественной среде обитания в Восточной Африке. Она изучила такие вещи, как социальная структура шимпанзе, модели спаривания, гендерные роли, структура семьи и забота о потомстве, наблюдая за ними в дикой природе. Однако натуралистическое наблюдение могло бы проще включать наблюдение за покупателями в продуктовом магазине, за детьми на школьной площадке или за психиатрическими стационарными пациентами в их палатах.Исследователи, занимающиеся натуралистическим наблюдением, обычно проводят свои наблюдения максимально ненавязчиво, чтобы участники не знали, что их изучают. Такой подход называется замаскированным натуралистическим наблюдением. С этической точки зрения этот метод считается приемлемым, если участники остаются анонимными и поведение происходит в общественных местах, где люди обычно не ожидают конфиденциальности. Например, покупатели из продуктовых магазинов, складывающие товары в тележки, ведут публичное поведение, которое легко наблюдается для сотрудников магазина и других покупателей.По этой причине большинство исследователей сочли бы этически приемлемым наблюдение за ними для исследования. С другой стороны, один из аргументов против этичности натуралистического наблюдения за «поведением в ванной», обсуждавшийся ранее в книге, состоит в том, что у людей есть разумные ожидания уединения даже в общественном туалете, и что это ожидание было нарушено.

В случаях, когда проведение замаскированного натуралистического наблюдения неэтично или нецелесообразно, исследователи могут провести неприкрытое натуралистическое наблюдение , когда участники узнают о присутствии исследователя и отслеживают их поведение.Тем не менее, одна проблема с нескрываемым натуралистическим наблюдением — это реактивность. Реакция означает, что мера изменяет поведение участников. В случае неприкрытого натуралистического наблюдения проблема реактивности состоит в том, что, когда люди знают, что за ними наблюдают и изучают, они могут действовать иначе, чем обычно. Например, вы можете действовать по-другому в баре, если знаете, что кто-то наблюдает за вами и записывает ваше поведение, и это сделает исследование недействительным.Таким образом, замаскированное наблюдение менее реактивно и, следовательно, может иметь более высокую достоверность, потому что люди не знают, что за их поведением наблюдают и записывают. Однако теперь мы знаем, что люди часто привыкают к наблюдению и со временем начинают вести себя естественно в присутствии исследователя. Другими словами, со временем люди привыкают к тому, чтобы за ними наблюдали. Подумайте о реалити-шоу, таких как «Большой брат» или «Выживший», где за людьми постоянно наблюдают и записывают. Хотя поначалу они могут вести себя наилучшим образом, через довольно короткий промежуток времени они флиртуют, занимаются сексом, почти ничего не носят, кричат друг на друга, а временами ведут себя как полные дураки перед всей нацией.

Наблюдение за участниками

Другой подход к сбору данных в наблюдательных исследованиях — это включенное наблюдение. При включенном наблюдении исследователи становятся активными участниками группы или ситуации, которую они изучают. Наблюдение с участием участников очень похоже на натуралистическое наблюдение, поскольку оно включает наблюдение за поведением людей в той среде, в которой оно обычно происходит. Как и в случае с натуралистическим наблюдением, собираемые данные могут включать интервью (обычно неструктурированные), заметки, основанные на их наблюдениях и взаимодействиях, документы, фотографии и другие артефакты.Единственное различие между натуралистическим наблюдением и включенным наблюдением состоит в том, что исследователи, участвующие в включенном наблюдении, становятся активными членами группы или ситуаций, которые они изучают. Основное обоснование включенного наблюдения состоит в том, что может существовать важная информация, которая доступна только или может быть интерпретирована только кем-то, кто является активным участником группы или ситуации. Подобно натуралистическому наблюдению, включенное наблюдение может быть скрытым или скрытым.В замаскированных включенных наблюдениях исследователя притворяются членами социальной группы, которую они наблюдают, и скрывают свою истинную идентичность как исследователей. В отличие от нескрываемых включенных наблюдений, исследователей становятся частью изучаемой группы и раскрывают свою истинную идентичность в качестве исследователей исследуемой группе. И снова есть важные этические вопросы, которые следует учитывать при замаскированном включенном наблюдении. Во-первых, невозможно получить информированное согласие, а во-вторых, используется пассивный обман.Исследователь пассивно обманывает участников, намеренно утаивая информацию об их мотивах быть частью изучаемой социальной группы. Но иногда замаскированное участие — единственный способ получить доступ к защитной группе (например, к культу). Кроме того, замаскированное включенное наблюдение менее склонно к реактивности, чем открытое включенное наблюдение.

Исследование Розенхана (1973), посвященное опыту людей в психиатрическом отделении, будет считаться замаскированным включенным наблюдением, поскольку Розенхан и его псевдопациенты были помещены в психиатрические больницы под предлогом того, что они являются пациентами, чтобы они могли наблюдать за тем, как лечатся психиатрические пациенты. штат сотрудников.Персонал и другие пациенты не знали, что они на самом деле являются исследователями.

Другой пример включенного наблюдения — это исследование социолога Эми Уилкинс (опубликовано в Social Psychology Quarterly ), посвященное университетской религиозной организации, в котором подчеркивается, насколько счастливы ее члены (Wilkins, 2008). Уилкинс провела 12 месяцев, посещая собрания группы и светские мероприятия и участвуя в них, и она взяла интервью у нескольких членов группы. В своем исследовании Уилкинс определила несколько способов, которыми группа «навязывала» счастье — например, постоянно говоря о счастье, препятствуя выражению отрицательных эмоций и используя счастье как способ отличить себя от других групп.

Одним из основных преимуществ включенного наблюдения является то, что исследователь находится в гораздо лучшем положении для понимания точки зрения и опыта людей, которых они изучают, когда они находятся вне социальной группы. Основным ограничением этого подхода является то, что простое присутствие наблюдателя может повлиять на поведение наблюдаемых людей. Хотя это также относится к натуралистическим наблюдениям, когда исследователи являются активными членами социальной группы, которую они изучают, возникают дополнительные опасения, что они могут изменить социальную динамику и / или повлиять на поведение людей, которых они изучают.Точно так же, если исследователь действует как участник-наблюдатель, могут возникнуть опасения по поводу предвзятости, возникающей в результате развития отношений с участниками. Конкретно, исследователь может стать менее объективным, что приведет к большей предвзятости экспериментатора.

Структурированное наблюдение

Другой метод наблюдений — это структурированное наблюдение. Здесь исследователь проводит тщательные наблюдения за одним или несколькими конкретными формами поведения в конкретной обстановке, которая более структурирована, чем настройки, используемые при естественном и включенном наблюдении.Часто условия, в которых проводятся наблюдения, не являются естественными, скорее исследователь может наблюдать за людьми в лабораторных условиях. В качестве альтернативы исследователь может наблюдать людей в естественной обстановке (например, в классе), которую они каким-то образом структурировали, например, представив некоторые конкретные задачи, в которых участники должны участвовать, или представив определенную социальную ситуацию или манипуляции. Структурированное наблюдение очень похоже на натуралистическое наблюдение и наблюдение с участием участников в том, что во всех случаях исследователи наблюдают естественное поведение, однако упор в структурированном наблюдении делается на сборе количественных, а не качественных данных.Исследователей, использующих этот подход, интересует ограниченный набор моделей поведения. Это позволяет им количественно оценить поведение, которое они наблюдают. Другими словами, структурированное наблюдение менее глобально, чем натуралистическое и включенное наблюдение, потому что исследователь, занимающийся структурированными наблюдениями, заинтересован в небольшом количестве конкретных форм поведения. Таким образом, вместо того, чтобы записывать все, что происходит, исследователь сосредотачивается только на очень конкретных интересующих его действиях.

Структурированное наблюдение очень похоже на натуралистическое наблюдение и наблюдение с участием участников в том, что во всех случаях исследователи наблюдают естественное поведение, однако упор в структурированном наблюдении делается на сборе количественных, а не качественных данных.Исследователей, использующих этот подход, интересует ограниченный набор моделей поведения. Это позволяет им количественно оценить поведение, которое они наблюдают. Другими словами, структурированное наблюдение менее глобально, чем натуралистическое и включенное наблюдение, потому что исследователь, занимающийся структурированными наблюдениями, заинтересован в небольшом количестве конкретных форм поведения. Таким образом, вместо того, чтобы записывать все, что происходит, исследователь сосредотачивается только на очень конкретных интересующих его действиях.

Исследователи Роберт Левин и Ара Норензаян использовали структурированное наблюдение для изучения различий в «темпе жизни» в разных странах (Levine & Norenzayan, 1999).Одна из их мер заключалась в наблюдении за пешеходами в большом городе, чтобы узнать, сколько времени им нужно, чтобы пройти 60 футов. Они обнаружили, что люди в некоторых странах передвигались надежно быстрее, чем люди в других странах. Например, жители Канады и Швеции преодолевали 60 футов в среднем за 13 секунд, а жители Бразилии и Румынии — за 17 секунд. Когда структурированное наблюдение происходит в сложном и даже хаотическом «реальном мире», важно учитывать вопросы о том, когда, где и при каких условиях будут проводиться наблюдения и за кем именно будут наблюдать.Левин и Норензаян описали процесс отбора проб следующим образом:

«Скорость ходьбы мужчин и женщин на расстоянии 60 футов была измерена как минимум в двух местах в основных центральных районах каждого города. Измерения проводились в основное рабочее время в ясные летние дни. Все места были плоскими, беспрепятственными, с широкими тротуарами и были достаточно малолюдными, чтобы пешеходы могли двигаться с потенциально максимальной скоростью. Для контроля эффектов общения использовались только пешеходы, идущие в одиночку.Время для детей, лиц с очевидными физическими недостатками и посетителей витрин не учитывалось. В большинстве городов были засчитаны тридцать пять мужчин и 35 женщин ». (стр.186). Таким образом, точное определение процесса выборки делает сбор данных управляемым для наблюдателей, а также обеспечивает некоторый контроль над важными посторонними переменными. Например, проводя свои наблюдения в ясные летние дни во всех странах, Левин и Норензаян контролировали влияние погоды на скорость ходьбы людей.В исследовании Левина и Норензаяна измерение было относительно простым. Они просто отмерили 60-футовое расстояние вдоль городского тротуара, а затем использовали секундомер, чтобы отследить время участников, когда они прошли это расстояние.

В качестве другого примера исследователи Роберт Краут и Роберт Джонстон хотели изучить реакцию боулеров на свои удары, как когда они смотрят на кегли, так и когда они поворачиваются к своим товарищам (Kraut & Johnston, 1979). Но какие «реакции» им следует наблюдать? Основываясь на предыдущих исследованиях и собственном пилотном тестировании, Краут и Джонстон составили список реакций, в который входили «закрытая улыбка», «открытая улыбка», «смех», «нейтральное лицо», «взгляд вниз», «взгляд в сторону» и «Прикрытие лица» (закрытие лица руками).Наблюдатели запомнили этот список, а затем практиковались, кодируя реакции боулеров, которые были записаны на видео. Во время фактического исследования наблюдатели говорили в диктофон, описывая реакции, которые они наблюдали. Среди наиболее интересных результатов этого исследования было то, что боулеры редко улыбались, когда они все еще смотрели на кегли. Они гораздо чаще улыбались после того, как повернулись к своим товарищам, предполагая, что улыбка — это не только выражение счастья, но и форма социального общения.

Когда наблюдения требуют суждения со стороны наблюдателей — как в исследовании Краута и Джонстона — этот процесс часто описывается как кодирование . Кодирование обычно требует четкого определения набора целевого поведения. Затем наблюдатели классифицируют участников по отдельности с точки зрения того, к какому поведению они прибегали, и сколько раз они проявляли каждое поведение. Наблюдатели могут даже записывать продолжительность каждого поведения. Целевое поведение должно быть определено таким образом, чтобы разные наблюдатели кодировали их одинаково.Эта трудность с кодированием является проблемой межэкспертной надежности, как упоминалось в главе 4. Ожидается, что исследователи продемонстрируют межэкспериментальную надежность своей процедуры кодирования, предложив нескольким оценщикам независимо кодировать одно и то же поведение, а затем продемонстрировав, что разные наблюдатели находятся в тесном согласии. Краут и Джонстон, например, записали на видео часть реакций участников, и два наблюдателя независимо друг от друга их кодировали. Два наблюдателя показали, что они согласны с реакциями, которые проявлялись в 97% случаев, что свидетельствует о хорошей межэкспертной надежности.

Одним из основных преимуществ структурированного наблюдения является то, что оно намного более эффективно, чем натуралистическое и включенное наблюдение. Поскольку исследователи сосредоточены на конкретном поведении, это сокращает время и расходы. Кроме того, часто среда структурирована таким образом, чтобы поощрять поведение заинтересованных лиц, что опять же означает, что исследователям не нужно тратить столько времени на ожидание естественного проявления интересующего поведения. Наконец, исследователи, использующие этот подход, явно могут усилить контроль над окружающей средой.Однако, когда исследователи усиливают контроль над окружающей средой, это может сделать ее менее естественной, что снижает внешнюю значимость. Например, менее ясно, будут ли структурированные наблюдения, сделанные в лабораторных условиях, распространяться на условия реального мира. Более того, поскольку исследователи, занимающиеся структурированным наблюдением, часто не замаскированы, может возникнуть больше опасений по поводу реактивности.

Примеры использования

Практический пример — это углубленное изучение личности.Иногда также проводятся тематические исследования социальных единиц (например, культа) и событий (например, стихийного бедствия). Однако чаще всего в психологии тематические исследования предоставляют подробное описание и анализ человека. Часто человек страдает редким или необычным состоянием или заболеванием или имеет повреждение определенной области мозга.

Как и многие другие методы исследования с использованием наблюдений, тематические исследования, как правило, носят более качественный характер. Методы тематического исследования включают углубленное и часто продольное обследование человека.В зависимости от направленности тематического исследования, люди могут наблюдаться или не наблюдаться в их естественной среде. Если естественная обстановка не вызывает интереса, человека могут пригласить в кабинет терапевта или в лабораторию исследователя для изучения. Кроме того, основная часть отчета о тематическом исследовании будет сосредоточена на подробных описаниях человека, а не на статистическом анализе. С учетом сказанного, некоторые количественные данные также могут быть включены в описание тематического исследования. Например, индивидуальная оценка депрессии может сравниваться с нормативными оценками или может сравниваться их оценка до и после лечения.Как и в случае с другими качественными методами, для сбора информации по делу можно использовать множество различных методов и инструментов. Например, интервью, натуралистическое наблюдение, структурированное наблюдение, психологическое тестирование (например, тест IQ) и / или физиологические измерения (например, сканирование мозга) могут использоваться для сбора информации о человеке.

HM — один из самых известных кейсов в области психологии. Х.М. страдала трудноизлечимой и очень тяжелой эпилепсией. Хирург локализовал эпилепсию HM в его медиальной височной доле и в 1953 году удалил большие участки гиппокампа, пытаясь остановить припадки.Лечение оказалось успешным, так как оно разрешило его эпилепсию, а его IQ и личность остались неизменными. Однако вскоре врачи поняли, что у HM наблюдается странная форма амнезии, называемая антероградной амнезией. HM мог вести разговор и запоминать короткие цепочки букв, цифр и слов. В основном его кратковременная память сохранилась. Однако HM не смог зафиксировать новые события в памяти. Он потерял способность передавать информацию из кратковременной памяти в долговременную, что исследователи памяти называют консолидацией.Таким образом, хотя он мог продолжить разговор с кем-то, он полностью забыл о разговоре после его окончания. Это было чрезвычайно важным тематическим исследованием для исследователей памяти, поскольку оно предполагало диссоциацию между кратковременной памятью и долговременной памятью, предполагало, что это две разные способности, обслуживаемые разными областями мозга. Также было высказано предположение, что височные доли особенно важны для консолидации новой информации (т.е.для передачи информации из кратковременной памяти в долговременную).

www.youtube.com/watch?v=KkaXNvzE4pk

История психологии наполнена влиятельными тематическими исследованиями, такими как описание «Анны О.» Зигмундом Фрейдом. (см. примечание 6.1 «Случай« Анны О. »») и описание Джоном Ватсоном и Розали Рейнер Маленького Альберта (Watson & Rayner, 1920), который научился бояться белой крысы вместе с другими пушистыми объектами, когда исследователи громко шумел, играя с крысой.

Дело «Анны О.”

Зигмунд Фрейд использовал случай с молодой женщиной, которую он назвал «Анна О.». чтобы проиллюстрировать многие принципы его теории психоанализа (Freud, 1961). (Ее настоящее имя было Берта Паппенгейм, и она была одной из первых феминисток, которая внесла важный вклад в сферу социальной работы. ) Анна пришла к коллеге Фрейда Йозефу Брейеру примерно в 1880 году с различными странными физическими и психологическими симптомами. Одна из них заключалась в том, что в течение нескольких недель она не могла пить. По Фрейду,

Она брала стакан воды, который ей так хотелось, но как только он касался ее губ, она отталкивала его, как страдающего водобоязнью.… Она питалась только фруктами, такими как дыни и т. Д., Чтобы уменьшить мучительную жажду. (стр.9)

Но, согласно Фрейду, прорыв произошел однажды, когда Анна находилась под гипнозом.

[S] он ворчал на ее английскую «спутницу», о которой она не заботилась, и продолжал описывать со всеми признаками отвращения, как она однажды вошла в комнату этой леди и как ее маленькая собачка — ужасно тварь! — пила там из стакана. Пациентка ничего не сказала, так как хотела быть вежливой.После того, как она снова энергично выразила сдерживаемый гнев, она попросила чего-нибудь выпить, без труда выпила большое количество воды и проснулась от гипноза со стаканом у губ; и после этого беспокойство исчезло, чтобы никогда не вернуться. (стр.9)

Интерпретация Фрейда заключалась в том, что Анна подавляла память об этом инциденте вместе с эмоцией, которую он вызвал, и что это было причиной ее неспособности пить. Более того, ее воспоминания об инциденте, наряду с выражением эмоций, которые она подавляла, заставили симптом исчезнуть.

В качестве иллюстрации теории Фрейда пример Анны О. весьма эффективен. Однако в качестве доказательства теории это по сути бесполезно. Описание не дает возможности узнать, действительно ли Анна подавила воспоминание о собаке, пьющей из стакана, вызвало ли это подавление ее неспособность пить, или же воспоминание об этой «травме» облегчило симптом. Из этого тематического исследования также неясно, насколько типичным или нетипичным был опыт Анны.

Рисунок 10.1 Анна О. «Анна О.» был предметом известного тематического исследования, использованного Фрейдом для иллюстрации принципов психоанализа. Источник: http://en.wikipedia.org/wiki/File:Pappenheim_1882.jpg

Примеры из практики

полезны, потому что они обеспечивают уровень детального анализа, которого нет во многих других исследовательских методах, и из этого более подробного анализа можно получить более глубокое понимание. В результате изучения конкретного случая исследователь может получить более четкое представление о том, что может стать важным для более широкого рассмотрения в будущих более контролируемых исследованиях.Тематические исследования также часто являются единственным способом изучения редких состояний, потому что может быть невозможно найти достаточно большую выборку для людей с состоянием, чтобы использовать количественные методы. Хотя на первый взгляд может показаться, что тематическое исследование редкого человека мало что говорит нам о нас самих, они часто дают представление о нормальном поведении. Случай HM предоставил важную информацию о роли гиппокампа в консолидации памяти. Однако важно отметить, что, хотя тематические исследования могут предоставить понимание определенных областей и переменных для изучения и могут быть полезны при разработке теорий, их никогда не следует использовать в качестве доказательств для теорий.Другими словами, тематические исследования можно использовать как источник вдохновения для формулирования теорий и гипотез, но затем эти гипотезы и теории необходимо официально проверить с использованием более строгих количественных методов.

Причина, по которой тематические исследования не следует использовать для поддержки теорий, заключается в том, что они страдают от проблем с внутренней и внешней достоверностью. В тематических исследованиях отсутствуют надлежащие средства контроля, которые содержатся в настоящих экспериментах. Как таковые, они страдают от проблем с внутренней достоверностью, поэтому их нельзя использовать для определения причинно-следственной связи.Например, во время операции Х.М. хирург мог случайно повредить другую область мозга Х.М. (действительно, ставя под сомнение возможность отдельного поражения мозга, начавшегося после смерти Х.М. и расслоения его мозга), и это поражение могло способствовать его неспособности консолидироваться. новая информация. Дело в том, что с помощью тематических исследований мы не можем исключить такого рода альтернативные объяснения. Как и все методы наблюдения, тематические исследования не позволяют определить причинно-следственную связь. Кроме того, поскольку тематические исследования часто проводятся на одном человеке и, как правило, на очень ненормальном человеке, исследователи не могут обобщать свои выводы на других людей. Напомним, что для большинства исследовательских проектов существует компромисс между внутренней и внешней валидностью, однако с тематическими исследованиями возникают проблемы как с внутренней, так и с внешней валидностью. Таким образом, есть пределы как способности определять причинно-следственную связь, так и обобщать результаты. Последнее ограничение тематических исследований состоит в том, что теоретические предубеждения исследователя имеют широкие возможности окрашивать или искажать описание случая. Действительно, были обвинения в том, что женщина, изучающая HM, уничтожила множество своих данных, которые не были опубликованы, и ее ставили под сомнение за уничтожение противоречивых данных, которые не подтверждали ее теорию о том, как консолидируются воспоминания.Есть увлекательная статья в New York Times, в которой описаны некоторые противоречия, которые возникли после смерти Х.М., и анализ его мозга, который можно найти по адресу: https://www.nytimes.com/2016/08/07/magazine/the- мозг-то-не-помню. html? _r = 0

Архивные исследования

Другой подход, который часто считается наблюдательным исследованием, — это использование архивных исследований , которые включают анализ данных, которые уже были собраны для какой-либо другой цели.Примером может служить исследование Бретта Пелхэма и его коллег о «неявном эгоизме» — тенденции людей отдавать предпочтение людям, местам и вещам, которые похожи на них самих (Pelham, Carvallo, & Jones, 2005). В одном исследовании они изучили записи социального обеспечения, чтобы показать, что женщины с именами Вирджиния, Джорджия, Луиза и Флоренс с наибольшей вероятностью переехали в штаты Вирджиния, Джорджия, Луизиана и Флорида соответственно.

Как и в случае с натуралистическим наблюдением, измерение может быть более или менее простым при работе с архивными данными.Например, подсчитать количество людей по имени Вирджиния, которые живут в разных штатах, на основе данных социального обеспечения относительно просто. Но рассмотрим исследование Кристофера Петерсона и его коллег о взаимосвязи между оптимизмом и здоровьем с использованием данных, которые были собраны много лет назад для исследования развития взрослых (Peterson, Seligman, & Vaillant, 1988). В 1940-х годах здоровые студенты мужского пола заполнили анкету открытого типа о тяжелом военном опыте.В конце 1980-х Петерсон и его коллеги проанализировали ответы мужчин на вопросы анкеты, чтобы определить стиль объяснения — их привычные способы объяснения плохих событий, которые с ними случаются. Более пессимистичные люди склонны винить себя и ожидать долгосрочных негативных последствий, влияющих на многие аспекты их жизни, в то время как более оптимистичные люди склонны обвинять внешние силы и ожидать ограниченных негативных последствий. Чтобы получить оценку стиля объяснения для каждого участника, исследователи использовали процедуру, в которой все негативные события, упомянутые в ответах на анкету, и любые причинные объяснения для них были идентифицированы и записаны на учетных карточках. Они были предоставлены отдельной группе экспертов, которые оценили каждое объяснение по трем отдельным параметрам оптимизма-пессимизма. Затем эти оценки были усреднены для получения оценки стиля объяснения для каждого участника. Затем исследователи оценили статистическую взаимосвязь между манерой объяснения мужчин как студентов бакалавриата и архивными показателями их здоровья примерно в 60-летнем возрасте. Первичный результат заключался в том, что чем более оптимистично мужчины были в студенчестве, тем здоровее они были в старшем возрасте.Pearson r был +.25.

Этот метод является примером контент-анализа — семейства систематических подходов к измерению с использованием сложных архивных данных. Подобно тому, как структурированное наблюдение требует определения интересующего поведения и последующего его отслеживания по мере его появления, контент-анализ требует определения ключевых слов, фраз или идей, а затем поиска всех их вхождений в данных. Затем эти события можно подсчитать, рассчитать время (например, количество времени, посвященное развлекательным темам в вечерних новостях) или проанализировать множеством других способов.

Основные выводы

Существует несколько различных подходов к наблюдательным исследованиям, включая натуралистическое наблюдение, включенное наблюдение, структурированное наблюдение, тематические исследования и архивные исследования.
Натуралистическое наблюдение используется для наблюдения за людьми в их естественной среде обитания, при включенном наблюдении необходимо становиться активным членом наблюдаемой группы, структурированное наблюдение предполагает количественное кодирование небольшого количества моделей поведения, тематические исследования обычно используются для углубленного сбора данных. информация об отдельном человеке, а архивное исследование предполагает анализ существующих данных.

Упражнения

Практика: Найдите и прочтите опубликованный пример психологии. (Используйте пример из практики в качестве ключевого термина в поиске PsycINFO.) Затем выполните следующие действия:
- Опишите одну проблему, связанную с внутренней достоверностью.
- Опишите одну проблему, связанную с внешней достоверностью.
- Сгенерируйте одну гипотезу, предложенную в тематическом исследовании, которую было бы интересно проверить в систематическом индивидуальном или групповом исследовании.

% PDF-1.4 % 1845 0 obj> эндобдж xref 1845 81 0000000016 00000 н. 0000003331 00000 н. 0000003592 00000 н. 0000003935 00000 н. 0000004224 00000 н. 0000004376 00000 п. 0000004527 00000 н. 0000004678 00000 п. 0000004829 00000 н. 0000004980 00000 н. 0000005131 00000 п. 0000005282 00000 н. 0000005433 00000 н. 0000005584 00000 н. 0000005736 00000 н. 0000005888 00000 н. 0000006040 00000 п. 0000006192 00000 п. 0000006344 00000 п. 0000006496 00000 н. 0000006648 00000 н. 0000006800 00000 н. 0000006952 00000 п. 0000007104 00000 н. 0000007256 00000 н. 0000007408 00000 н. 0000007560 00000 н. 0000007712 00000 н. 0000007864 00000 н. 0000008016 00000 н. 0000008168 00000 п. 0000008320 00000 н. 0000008472 00000 п. 0000008624 00000 н. 0000008775 00000 н. 0000009313 00000 п. 0000009907 00000 н. 0000009945 00000 н. 0000010178 00000 п. 0000010418 00000 п. 0000010496 00000 п. 0000011065 00000 п. 0000011518 00000 п. 0000012003 00000 п. 0000012508 00000 п. 0000012984 00000 п. 0000013450 00000 п. 0000013959 00000 п. 0000014393 00000 п. 0000014447 00000 п. 0000014501 00000 п. 0000014555 00000 п. 0000014609 00000 п. 0000014663 00000 п. 0000014717 00000 п. 0000014771 00000 п. 0000014825 00000 п. 0000014879 00000 п. 0000014933 00000 п. 0000014987 00000 п. 0000015041 00000 п. 0000015095 00000 п. 0000015149 00000 п. 0000015203 00000 п. 0000015257 00000 п. 0000015311 00000 п. 0000015365 00000 п. 0000015419 00000 п. 0000015473 00000 п. 0000015527 00000 п. 0000015581 00000 п. 0000015635 00000 п. 0000015689 00000 п. 0000015743 00000 п. 0000015797 00000 п. 0000015851 00000 п. 0000015905 00000 п. 0000015959 00000 п. 0000018630 00000 п.

РубрикаРазное

Способы статистического наблюдения: works.doklad.ru — Учебные материалы

ВИДЫ И СПОСОБЫ СТАТИСТИЧЕСКОГО НАБЛЮДЕНИЯ. — Статистика

Виды и способы статистического наблюдения

Виды и способы статистического наблюдения

Производство Виды и способы статистического наблюдения

Читайте также

Статья 6. Федеральное статистическое наблюдение / КонсультантПлюс

2. Статистическое наблюдение. Виды, формы и способы статистического наблюдения. Точность статистического наблюдения и ее контроль

Похожие главы из других работ:

1. ФОРМЫ И СПОСОБЫ ЗАЩИТЫ ПРАВА СОБСТВЕННОСТИ

2.3 Формы и способы осуществления государственной власти

1.2 Формы и способы защиты гражданских прав

3.2 Формы и способы защиты прав и свобод

1. Формы и способы защиты прав

1.

3.2 Формы и способы защиты прав и свобод

3. Организационный план статистического наблюдения

4.

1. Определение и этапы статистического наблюдения

2. Формы, виды и способы статистического наблюдения

3. Программно-методологические вопросы статистического наблюдения

4. Организационные вопросы статистического наблюдения

5. Ошибки статистического наблюдения и контроль материалов наблюдения

8. Пути совершенствования статистического наблюдения

Ученые выявили новый симптом заражения «омикроном»

Иран закрывает въезд из ряда стран Европы и Африки из-за штамма «омикрон»

Урок 41. Модели статистического прогнозирования

Модели статистического прогнозирования (§18)

Методы сбора данных: что нужно знать о статистике

Количественные данные

Качественные данные

Первичные данные

Вторичные данные

Выборочные исследования

Личное интервью

Телефон для собеседований

Онлайн-собеседование

Анкета, отправленная по почте

Фокус-группы

Ищете статистику?

Руководство по пониманию статистических методов

Определение наблюдательных исследований

Примеры использования наблюдательных исследований

Недостатки наблюдательных исследований

Учет смешанных переменных в обсервационных исследованиях

Сопоставление в наблюдательных исследованиях

Использование множественной регрессии в наблюдательных исследованиях

Оценка обсервационного исследования витаминных добавок

Использование множественной регрессии для статистического контроля искажающих факторов

Необработанные результаты

Скорректированные результаты

Номер ссылки

ДЕБАТНО-статистический анализ планов наблюдательных исследований | BMC Medical Research Methodology

Данные наблюдений — обзор

5.2.1 Оценка склонности

6.5 Наблюдательные исследования — методы исследования в психологии

Цели обучения

Основные выводы

Упражнения

Добавить комментарий Отменить ответ