تعصب عدم پاسخ

در حالی که تعصب عدم پاسخ برای بررسی های اینترنتی یک نگرانی مهم است ، تحقیقات اخیر این واقعیت را نشان می دهد که روشهای سنتی ، مانند نظرسنجی های تلفن RDD ، ممکن است مشکل ساز باشد.

اصطلاحات مرتبط:

درباره این صفحه

همهگیرشناسی

تعصب غیر پاسخ

تعصب عدم پاسخ می تواند زمانی رخ دهد که افرادی که از شرکت در یک مطالعه خودداری می کنند ، یا قبل از اتمام مطالعه ، به طور سیستماتیک با کسانی که شرکت می کنند متفاوت هستند. به عنوان مثال ، در اپیدمیولوژی توصیفی ساده ، شیوع افسردگی در یک جامعه ممکن است دست کم گرفته شود اگر افراد مبتلا به افسردگی کمتر از افراد بدون افسردگی در بررسی مقطعی شرکت کنند. ارتباط بین عدم حمایت اجتماعی و افسردگی ممکن است بیش از حد ارزیابی شود یا اگر کسانی که از حمایت اجتماعی خوبی برخوردار هستند ، در صورت افسردگی کمتر از آن شرکت کنند یا اگر کسانی که از حمایت اجتماعی ضعیف برخوردار نیستند ، در صورت عدم افسردگی کمتر احتمال دارد که در آن شرکت کنند. مجدداً توجه داشته باشید که وقتی ارتباط بین قرار گرفتن در معرض و یک بیماری تخمین زده می شود ، تعصب فقط در صورتی رخ می دهد که خطا با توجه به هر دو متفاوت عمل کند.

تعصب عدم پاسخ را می توان با به حداقل رساندن عدم پاسخ به حداقل رساند. عدم پاسخ هنگامی که نرخ پاسخ به زیر 70 ٪ کاهش می یابد ، به یک مسئله مهم تبدیل می شود ، اما تعصب قابل توجه عدم پاسخ حتی می تواند حتی در این سطوح مشارکت رخ دهد. احتمال تعصب عدم پاسخ می تواند با مقایسه ویژگی های پاسخ دهندگان و غیر پاسخ دهندگان قابل ارزیابی باشد (اگرچه اندازه گیری نشده است). معمولاً برخی از اطلاعات اساسی جامعه شناختی مانند سن و جنس از ثبت نام یا پایگاه داده ای که از آن افراد استخدام شده اند در دسترس است. شباهت پاسخ دهندگان و غیر پاسخ دهندگان از نظر حداقل این خصوصیات اساسی اطمینان بخش است اما احتمال وقوع تعصب را از بین نمی برد.

URL: https://www. sciencedirect. com/science/article/pii/b9780702033971000094

رأی دهی

6 منبع خطا

فراتر از خطای نمونه گیری آماری و سوگیری عدم پاسخ، منابع دیگری از خطا در نظرسنجی ها وجود دارد که به راحتی قابل اندازه گیری نیستند. پاسخ ها به سؤالات نظرسنجی و سنجش نظرات و رفتار می تواند تحت تأثیر نحوه بیان سؤالات، دسته های پاسخ ارائه شده (به عنوان مثال، آیا یک دسته متوسط یا پاسخی نمی دانم یا بدون نظر ارائه شده یا مجاز است) و اینکهسؤالات باید دارای انتخاب های ثابت یا اجباری باشند، یا اینکه سؤالات باید پرسیده شوند و پاسخ ها به عنوان سؤالات باز ثبت شوند که در آن پاسخ دهندگان می توانند هر پاسخی را که می خواهند ارائه دهند. علاوه بر این، ممکن است «اثرات زمینه ای» وجود داشته باشد که بر اساس ترتیبی که سؤال ها پرسیده می شود، ایجاد می شوند، به طوری که نحوه پاسخ دهی پاسخ دهندگان به سؤالات ممکن است تحت تأثیر آنچه در سؤالات قبلی در مورد آن فکر کرده اند و به آن پاسخ داده اند، باشد (Schuman and Presser 1981, Asher). 1998).

یک منبع اصلی خطا بسته به نحوه فرمول بندی یا مشخص شدن مسائل تحقیق می تواند رخ دهد، مانند زمانی که محققان فرض می کنند پاسخ دهندگان با موضوعی که از آنها خواسته می شود نظر یا پاسخی در مورد آن ارائه دهند، آشنایی دارند. در استنتاج رفتار واقعی از معیارهای نظرسنجی، و گزارش های خود از رفتارهای آینده - یا حتی گذشته - باید دقت شود. رای دادن گزارش شده در یک انتخابات پس از این واقعیت ممکن است با رفتار واقعی بر اساس داده های مربوط به آرای "تأیید شده" مطابقت نداشته باشد. همچنین ممکن است مشکلاتی در نحوه گزارش نتایج نظرسنجی ایجاد شود، مانند زمانی که روزنامه نگاران یا محققین خود اطلاعات کافی در مورد داده ها و روش های نظرسنجی خود را گزارش نمی کنند تا به مخاطبان یا خوانندگان خود اجازه دهند تا نتایج خود را ارزیابی کنند (Cantril 1991، Traugott and Lavrakis 2000).

آدرس اینترنتی: https://www. sciencedirect. com/science/article/pii/B0080430767012067

سوگیری بدون پاسخ

انگیزه برای تجزیه و تحلیل سوگیری بدون پاسخ

برای نشان دادن و تأکید بر اهمیت تجزیه و تحلیل تعصب غیر پاسخ ، سناریوی زیر را در نظر بگیرید. یک محقق که برای یک شرکت بازاریابی کار می کند ، مایل است میانگین سن نیویورکی ها را که صاحب تلفن هستند تخمین بزند. به منظور انجام این کار ، محقق تلاش می کند تا با شماره گیری شماره تلفن های مسکونی که به طور تصادفی منتخب انتخاب شده است ، یک بررسی تلفنی از 1000 نفر را که از جمعیت نیویورک متعلق به تلفن گرفته شده است ، انجام دهد. با این حال ، پس از 1000 تلاش ، محقق تنها 746 پاسخ معتبر را در اختیار دارد زیرا 254 نفر هرگز به تلفن پاسخ ندادند و بنابراین نمی توان به آنها رسید. در این مرحله ، محقق به طور متوسط سن 746 پاسخ دهندگان را با پاسخ معتبر به طور متوسط می داند و در نظر می گیرد که آیا این میانگین احتمالاً خیلی زیاد است یا خیلی کم است. آیا کسی انتظار دارد که 254 پاسخ دهنده تقریباً در همان سن پاسخ دهندگان که به تلفن های خود پاسخ داده اند ، باشد؟

محقق پس از فکر کردن ، نتیجه می گیرد که میانگین سن 746 پاسخ دهندگان یک تخمین مغرضانه است زیرا این نظرسنجی ها در ساعات کاری انجام می شود که کارگران (در مقایسه با بازنشستگان قدیمی) کمتر در خانه بودند. اگر پاسخ دهندگان سن کار کمتری نشان دهند ، میانگین در بین 746 پاسخ سنی معتبر به سمت بالا مغرضانه است. در این حالت ، تفاوت بین میانگین مغرضانه و میانگین سن واقعی اما بدون نظارت در بین همه صاحبان تلفن دقیقاً تعصب غیر پاسخ است.

دانشمندان علوم اجتماعی غالباً با ترسیم یک نمونه تصادفی و مطالعه روابط بین اندازه گیری های موجود در نمونه ، در مورد جمعیت استنباط می کنند. هنگامی که افراد زیر مجموعه ویژه جمعیت به طور سیستماتیک از یک نمونه خاص حذف می شوند ، با این وجود نمی توان گفت که نمونه به این معناست که هر یک از اعضای جمعیت به همان اندازه احتمالاً در نمونه گنجانده می شوند. این مهم است که تصدیق کنیم که هر الگوی کشف شده در تجزیه و تحلیل یک نمونه غیر تصادفی ، زمینه های معتبری برای تعمیم در مورد یک جمعیت به همان روشی که الگوهای موجود در یک نمونه تصادفی انجام نمی دهد ، فراهم نمی کند. عدم تطابق بین میانگین خصوصیات پاسخ دهندگان در یک نمونه غیر تصادفی و میانگین ویژگی های جمعیت می تواند منجر به مشکلات جدی در درک علل پدیده های اجتماعی شود و ممکن است منجر به اقدامات نادرست سیاست شود. بنابراین ، توجه قابل توجهی به مشکل تعصب عدم پاسخ ، هم در مراحل جمع آوری داده ها و هم در تجزیه و تحلیل داده ها نشان داده شده است.

URL: https://www. sciencedirect. com/science/article/pii/b0123693985000384

بررسی مبتنی بر وب

R. Michael Alvarez ، Carla Vanbeselaere ، در دائر ycl المعارف اندازه گیری اجتماعی ، 2005

تعصب عدم پاسخ

با تماس با نمونه ای از پاسخ دهندگان بالقوه ، نگرانی های روش شناختی به پایان نمی رسد. خطای یا تعصب عدم پاسخ نیز ممکن است معرفی شود زیرا برخی از اعضای نمونه انتخاب شده قادر به تکمیل نظرسنجی نیستند. میزان تعصب بستگی به بروز عدم پاسخ و چگونگی تفاوت غیر پاسخگویان با پاسخ دهندگان در متغیرهای مورد علاقه دارد. تأثیر عدم پاسخ ، اشتباه گرفتن پارامترهای رفتاری مورد علاقه با پارامترهایی است که پاسخ را تعیین می کنند. تعصب عدم پاسخ برای نظرسنجی های اینترنتی منحصر به فرد نیست ، اما مشکل بالقوه برای نظرسنجی های مبتنی بر وب که نرخ پاسخ پایین و روش های استخدام غیر تصادفی دارند ، کاملاً شدید است.

عدم پاسخ به وب سایت ممکن است تشدید شود زیرا پاسخ دهندگان بالقوه با مشکلات تکنولوژیکی روبرو می شوند. پاسخ دهندگان اینترنت باید مهارت های اساسی سوادآموزی داشته باشند ، بدانند که چگونه در وب گشت و گذار کنند ، بتوانند از ماوس برای انتخاب گزینه های پاسخ از منوها استفاده کنند و بدانند که چگونه می توانند پاسخ ها را در زمینه های ارائه شده تایپ کنند. علاوه بر این ، موانع تکنولوژیکی ، مانند ناسازگاری مرورگر و اتصالات آهسته اینترنت ، تأثیر می گذارد که آیا یک پاسخ دهنده بالقوه یک نظرسنجی را انجام می دهد. از آنجا که دسترسی به اینترنت با ویژگی های جمعیتی مانند درآمد و سن در ارتباط است ، اگر این جمعیت شناسی بر متغیرهای مورد علاقه تأثیر بگذارد ، داده های بررسی اینترنتی نتایج مغرضانه ای ارائه می دهند.

چندین روش وجود دارد که تعصب انتخاب را در نمونه های نظرسنجی به حساب می آورند اما این اصلاحات با این واقعیت پیچیده است که نظرسنجی های مبتنی بر وب اطلاعات بسیار کمی در مورد افراد غیر مسئول ارائه می دهند. تکنیک هایی از قبیل وزن گیری گرایش یا سایر طرح های وزنه برداری ساده ممکن است در بهبود نمایندگی نمونه های بررسی اینترنتی مفید باشد. در صورت وجود رابطه قوی بین متغیر وزنه برداری و داده های موجود در نظرسنجی ، طرح های ساده وزن ممکن است در به حداقل رساندن این تعصبات و خطاها مفید باشد. تکمیل نظرسنجی های وب با نظرسنجی های تلفنی می تواند برای تهیه طرح های مناسب وزن استفاده شود.

در حالی که تعصب عدم پاسخ برای بررسی های اینترنتی یک نگرانی مهم است ، تحقیقات اخیر این واقعیت را نشان می دهد که روشهای سنتی ، مانند نظرسنجی های تلفن RDD ، ممکن است مشکل ساز باشد. آلوارز و همکاران. داده ها را از یک بررسی تلفنی که در آن با 13،095 شماره تلفن مسکونی برای به دست آوردن 1500 مصاحبه کامل آغاز شده است ، گزارش دهید. از این تعداد ، 3792 شماره تلفن به نوعی بد بودند ، 5479 هیچ پاسخ یا مصاحبه کامل تولید نکردند و 1469 یک تماس معتبر ایجاد کردند اما مصاحبه نظرسنجی رد شد. از آنجا که تعداد کمی از مطالعات پیمایش تلفنی آماری مانند اینها را گزارش می دهند ، توصیف میزان تکنیک های بررسی تلفن معاصر نمونه های نماینده غیرممکن است. آلوارز و همکاران. شواهد نشان می دهد که تکنیک های RDD لزوماً نمونه های واقعاً تصادفی را ارائه نمی دهند. بدست آوردن نمونه های تصادفی از جمعیت بزرگ ممکن است از طریق اینترنت دشوار باشد اما نظرسنجی های تلفنی یک پاناسه نیست.

URL: https://www. sciencedirect. com/science/article/pii/b012369398500390x

سلسله شناسی شغلی

G. Hageman ،. G. van der Laan ، در پیشرفت در نوروتوکسیک شناسی ، 2022

22 بحث و گفتگوی آینده مطالعه

اگرچه مطالعات ذکر شده در بالا ، سلامت بیمار را در میان هواپیماهای هوایی مستند می کند ، اما علیت همچنان مورد بحث قرار می گیرد. تعدادی از نقاط ضعف نتیجه گیری هایی را که می توان به دست آورد ، مانند تعصب نمونه ، اندازه گیری ناکافی و تعصب پاسخ بالقوه ، عدم خاصیت علائم و عدم وجود شواهد عینی در معرض محدود کردن محدود می کند. تا به امروز ، تمام مطالعات قبلی شامل نمونه های کوچک و خود انتخاب شده از هوا هستند. محققان نظرسنجی پرسشنامه ای را برای استفاده از هوا با استفاده از اقدامات نامشخص انجام داده اند و میزان پاسخ آنها کم بوده است (5-50 ٪). تعصب انتخاب درگیر است به عنوان محوطه هوایی ، خود را به پزشکان با علائمی که در معرض قرار گرفتن در معرض هوای آلوده قرار دارند ، در اختیار پزشکان قرار می دهد. در نتیجه ، هنوز مشخص نیست که این جمعیت به طور کلی نماینده این جمعیت هستند. علائم گزارش شده متنوع است (شامل چندین سیستم اندام) و غیر خاص است و در سایر جمعیت های بالینی و حتی در جمعیت عمومی بسیار شیوع دارد. مطالعات کمی شامل هر گروه مقایسه یا کنترل است تا محققان بتوانند ویژگی علائم و ارتباط با قرار گرفتن در معرض را تعیین کنند. شواهد عینی در معرض قرار گرفتن در معرض غالباً وجود ندارد زیرا هوای کابین به طور معمول برای حضور آلاینده های شیمیایی کنترل نمی شود. از طرف دیگر ، گزارش کمبود شکایات بهداشتی در بین هوا رایج است.

علائم و نشانه های موجود در حوزه هوایی احتمالاً مربوط به قرار گرفتن در معرض مکرر با دوز کم به مخلوطی از ترکیبات سمی است. پیش از مواجهه مزمن با دوز کم مکرر OP ممکن است منجر به افزایش آسیب پذیری در برابر دوز بالاتر (رویداد بخاری) در معرض ارگانوفسفات بعدی شود (هوارد و همکاران ، 2017). این ممکن است توضیح دهد که چرا بخش زیادی از هواپیمای هوایی اغلب پس از یک رویداد دودکش در بیمارستان شرکت می کند ، در حالی که به نظر نمی رسد مسافران تحت تأثیر قرار گیرند. اشاره شده است که الگوی علائم موجود در سندرم آئروتوکسیک با مهار ACHE یا BCHE به تنهایی قابل توضیح نیست (Costa ، 2018). هنگامی که اثرات در دوزهای ارگانوفسفات مشاهده می شود که باعث مهار حداقل یا بدون استراسیون می شود ، باید اثرات عصبی احتمالی قرار گرفتن در معرض طولانی مدت و با دوز کم مورد بررسی قرار گیرد. این فرض که علائم سندرم هوازی مبتنی بر نوروپاتی با تأخیر ناشی از OP است ، عدم موفقیت در خصوصیات خطر است (هوارد ، 2020). Opidn در Aircrew دیده نمی شود. این احتمال بیشتر است که علائم حرکات هوایی نتیجه سمیت عصبی مزمن ناشی از OP (OPICN) باشد (ابو دونیا ، 2003). OPICN ناشی از استنشاق سطح پایین ارگانوفسفاتهای موجود در روغن های روان کننده موتور جت و مایعات هیدرولیک هواپیما می تواند نقص عصبی طولانی مدت و مشکلات عصبی روانی و رفتاری را توضیح دهد (ابو دونیا ، 2003). علاوه بر OP ، قرار گرفتن در معرض سایر ترکیبات سمی ، مانند حلالها و کربن مانوکسید در هوای کابین ، ممکن است اثرات هم افزایی ایجاد کند.

آنچه مورد نیاز است ، یک بررسی اپیدمیولوژیک آینده نگر از یک نمونه بزرگ و نماینده به طور تصادفی از حرکات هوایی است که در آن علائم در گروه های در معرض و غیرقابل استفاده توصیف و واجد شرایط هستند و با نرخ در سایر جمعیت های بالینی و عمومی مقایسه می شوند. چنین مطالعه نتیجه گیری در معرض سلامت نیاز به مشارکت و تسهیل شرکت هواپیمایی دارد. از نظر بالینی حساس و معنی دار با حساسیت و ویژگی های دوربردی باید برای مشخص کردن مشخصات علائم دیده شده در هوا که در معرض هوای آلوده قرار گرفته اند ، استفاده شود ، با آنچه در گروه های دیگر مشاهده شده است متفاوت است. به بهترین دانش ما ، فقط یک مقاله تا به امروز منتشر شده است که سعی در انجام این کار دارد. مکنزی راس و همکاران.(2011) مشخصات نقص عصبی روانی مشاهده شده در محفظه هوا را با سابقه قرار گرفتن در معرض هوای آلوده ، با کارگران مزرعه در معرض سموم دفع آفات ارگانوفسفات مقایسه کرد و این را در برابر پروفایل های شناختی جمعیت سالم ترسیم کرد. آنها مشخصات خاصی از عملکرد شناختی غیر طبیعی را در خلبانانی که آینه ای از کشاورزان در معرض دید بودند ، پیدا کردند. اگرچه این نتایج به ارتباطی بین قرار گرفتن در معرض مواد شیمیایی عصبی و اختلال شناختی اشاره نمی کند ، اما آنها شواهد غیرقابل انعطاف پذیر از علیت را در مورد هواپیمای هوایی بیمار ارائه نمی دهند. پیشرفت علمی اقدامات عینی و قابل اعتماد از قرار گرفتن در معرض را می طلبد. در نتیجه "کابین هواپیما آینده" باید (1) طرح های مهر و موم موتور را برای به حداقل رساندن Oilleakage ، (2) نظارت بر کیفیت مداوم هوا ، با زمان واقعی درجا و تجزیه و تحلیل تأخیر ، (3) سنسورهای خونریزی خونریزی ، توزیع شده در سراسر آن ، توزیع کند. کابین ، و (4) فناوری فیلتر هوای کابین جدید برای بهبود کیفیت هوای کابین (Kos et al. ، 2018 ؛ OHRCA ، 2014 ؛ Rosenberger ، 2018). هواپیماهای نسل جدید مانند Boeing 787 Dreamliner دارای سیستم توزیع هوای خونریزی است. هوا در Dreamliner به جای موتورها در کمپرسورهای برقی در نزدیکی بال قرار می گیرد. شرکت های هواپیمایی باید به عنوان بخشی از ایمنی در حمل و نقل هوایی در توسعه هواپیماهای خونریزی سرمایه گذاری کنند.

URL: https://www. sciencedirect. com/science/article/pii/s2468748022000017

داده های آماری ، گمشده

3 مورد کامل ، مورد موجود و تجزیه و تحلیل وزنه برداری

یک روش متداول و ساده تجزیه و تحلیل مطالب کامل (CC) است ، همچنین به عنوان حذف لیست شناخته می شود ، جایی که موارد ناقص دور ریخته می شوند و روش های تجزیه و تحلیل استاندارد برای موارد کامل اعمال می شود. در بسیاری از بسته های آماری این تجزیه و تحلیل پیش فرض است. استنباط های معتبر (اما اغلب زیر حد متوسط) هنگامی که داده های گمشده MCAR هستند ، به دست می آید ، از آن زمان موارد کامل یک نمونه تصادفی از نمونه اصلی با توجه به همه متغیرها است. با این حال ، تجزیه و تحلیل پرونده کامل می تواند منجر به از بین رفتن مقدار قابل توجهی از اطلاعات موجود در موارد ناقص شود ، به ویژه اگر تعداد متغیرها زیاد باشد.

یک مشکل جدی در کنار گذاشتن موارد ناقص این است که موارد کامل اغلب به راحتی نمونه مغرضانه دیده می شوند ، یعنی داده های گمشده MCAR نیستند. اندازه تعصب حاصل به میزان انحراف از MCAR ، میزان داده های گمشده و مشخصات تجزیه و تحلیل بستگی دارد. در بررسی های نمونه ، این انگیزه تلاش های شدید برای محدود کردن عدم پاسخ واحد هر چند پیگیری های متعدد را ایجاد می کند ، و نظرسنجی هایی با نرخ بالای عدم پاسخ واحد (مثلاً 30 درصد یا بیشتر) اغلب برای انجام استنتاج برای کل جمعیت غیرقابل اعتماد تلقی می شوند.

اصلاح تجزیه و تحلیل CC ، که معمولاً برای کنترل عدم پاسخ واحد در نظرسنجی ها استفاده می شود ، برای پاسخ دهندگان وزن با معکوس تخمین احتمال پاسخ است. یک روش ساده برای تشکیل سلول های تنظیم (یا زیر کلاس) بر اساس متغیرهای پس زمینه اندازه گیری شده برای پاسخ دهندگان و افراد غیر مسئول است. برای تنظیم عدم پاسخ واحد ، اینها اغلب بر اساس مناطق جغرافیایی یا گروه بندی مناطق مشابه مبتنی بر داده های اقتصادی اقتصادی کل است. به همه افراد غیر مسئول وزن صفر داده می شود و وزن عدم پاسخ برای همه پاسخ دهندگان در یک سلول تنظیم ، معکوس میزان پاسخ در آن سلول است. این روش مؤلفه تعصب عدم پاسخ را به میزان عدم پاسخگویی دیفرانسیل در سلولهای تنظیم حذف می کند ، و تعصب را از بین می برد اگر در هر پاسخ دهنده سلول تنظیم می تواند به عنوان یک نمونه تصادفی از نمونه اصلی در آن سلول در نظر گرفته شود (یعنی داده ها با توجه به شاخص های MAR استفاده می شوندبرای سلولهای تنظیم).

با داشتن اطلاعات گسترده تر پیش زمینه ، یک روش جایگزین مفید طبقه بندی گرایش پاسخ است ، جایی که (الف) شاخص عدم پاسخ واحد بر روی متغیرهای پس زمینه ، با استفاده از داده های ترکیبی برای پاسخ دهندگان و افراد غیر مسئول و روشی مانند رگرسیون لجستیک مناسب برای یک باینری ، رکود می شود. نتیجه(ب) یک احتمال پاسخ پیش بینی شده برای هر پاسخ دهنده بر اساس رگرسیون در (الف) محاسبه می شود. و (ج) سلولهای تنظیم بر اساس نسخه طبقه بندی شده از احتمال پاسخ پیش بینی شده تشکیل می شوند. تئوری (روزنباوم و روبین 1983) نشان می دهد که این یک روش مؤثر برای از بین بردن تعصب عدم پاسخ است که به متغیرهای پس زمینه منتسب می شود وقتی عدم پاسخ واحد MAR است.

اگرچه روش های وزنه برداری می تواند برای کاهش تعصب عدم پاسخ مفید باشد ، اما محدودیت های جدی دارند. اول ، اطلاعات موجود در موارد ناقص هنوز دور ریخته می شود ، بنابراین این روش ناکارآمد است. برآوردهای وزنی می توانند واریانس غیرقابل قبول داشته باشند ، زیرا به مقادیر دور زدن یک متغیر وزن های بزرگی داده می شود. دوم ، برآورد واریانس برای برآوردهای وزنی با وزن تخمین زده شده مشکل ساز است. تخمین را ببینید: نقطه و فاصله. فرمول های صریح برای برآوردگرهای ساده مانند وسایل تحت نمونه گیری تصادفی ساده (OH و Scheuren 1983) در دسترس هستند ، اما روش ها برای مشکلات پیچیده تر به خوبی توسعه نیافته اند ، و اغلب مؤلفه تنوع ناشی از تخمین وزن از داده ها را نادیده می گیرند.

تجزیه و تحلیل مورد (AC) موجود (بخش Little و Rubin 1987. 3. 3) یک تلاش ساده برای بهره برداری از اطلاعات ناقص با استفاده از کلیه موارد موجود برای تخمین هر پارامتر جداگانه است. به عنوان مثال ، فرض کنید هدف تخمین ماتریس همبستگی مجموعه ای از متغیرهای مداوم y است₁،… ، y_پبشربه تجزیه و تحلیل چند متغیره مراجعه کنید: نمای کلی. تجزیه و تحلیل پرونده کامل از مجموعه موارد کامل برای برآورد همه همبستگی ها استفاده می کند. تجزیه و تحلیل AC از همه موارد با هر دو استفاده می کند_jو y_kمشاهده شده برای برآورد همبستگی y_jو y_k، 1≤ j ، k ≤ p. از آنجا که پایه نمونه موارد موجود برای اندازه گیری هر همبستگی شامل حداقل مجموعه موارد کامل است ، به نظر می رسد روش AC از اطلاعات موجود استفاده بهتری می کند. پایه نمونه از همبستگی به همبستگی تغییر می کند ، با این حال ، ایجاد مشکلات بالقوه هنگامی که داده های گمشده MCAR نیستند یا متغیرها بسیار همبسته هستند. در حضور همبستگی های بالا ، هیچ تضمینی وجود ندارد که ماتریس همبستگی AC حتی قطعی مثبت باشد. شبیه سازی هایتوفسکی (1968) در مورد رگرسیون با داده های مداوم بسیار همبسته ، AC را به طور قابل توجهی پایین تر از CC نشان داد. از طرف دیگر ، کیم و کوری (1977) در شبیه سازی ها بر اساس داده های همبستگی ضعیف ، AC را از CC برتر دانستند. مطالعات شبیه سازی مقایسه برآورد رگرسیون AC با حداکثر احتمال (ML) تحت عادی بودن (بخش 6) نشان می دهد که ML حتی در صورتی که فرضیات نرمال بودن اساسی به طور متوسط نقض شود ، برتر است (کوچک 1988a). اگرچه تخمین های AC به راحتی محاسبه می شوند ، خطاهای استاندارد پیچیده تر هستند. این روش به طور کلی نمی تواند توصیه شود ، حتی تحت MCAR محدود کننده.

URL: https://www. sciencedirect. com/science/article/pii/b0080430767004630

نظرسنجی پانل: کاربردها و برنامه های کاربردی

2 مشکل در نظرسنجی پانل

با تلاش برای مصاحبه های مکرر با همان نمونه ، نظرسنجی های پانل مشکلاتی دارند که در طرح های مقطعی تک یا مکرر مشاهده نشده است ، که مهمترین آنها عدم پاسخ پانل است (پاسخ دهندگان موج اولیه ممکن است در امواج بعدی پاسخ ندهند). یک مشکل بالقوه اضافی در مورد نظرسنجی پانل ، تهویه پانل است ، جایی که پاسخ در یک دور مصاحبه معین ممکن است با مشارکت در دورهای قبلی مصاحبه مشروط شود.

روشهای توسعه یافته برای مقابله با تعصب عدم پاسخ شامل به حداقل رساندن عدم پاسخ در نظرسنجی پانل و ایجاد تنظیمات آماری برای عدم پاسخ موجود است. نظرسنجی های پانل موجود به طور معمول منابع قابل توجهی را برای حفظ نرخ پاسخ بالا اختصاص می دهد ، و گاهی اوقات کاملاً موفق هستند. به عنوان مثال ، بررسی ملی طولی جوانان مصاحبه هایی را در سال 1991 با 89 درصد از پاسخ دهندگان در مصاحبه اولیه خود ، 1979 انجام داد (مکوری و همکاران 1998). ضرر و زیان در بررسی ملی بهداشت و توسعه انگلیس پس از 26 سال تنها 12 درصد بوده است (اتکینز و همکاران 1981).

پرداخت های تشویقی ، گزارش های پاسخ دهنده ، نامه های اقناع ، استفاده از داده های اداری برای ردیابی و جمع آوری اطلاعات گسترده تماس (به عنوان مثال ، در مورد دوستان و نزدیکان که در خانواده ای زندگی نمی کنند که از آدرس و تغییر شماره تلفن آگاهی دارند) کمک می کنند (Freedman et al1980 ، Clarridge و همکاران 1978 ، Call et al. 1982).

مانند هر نظرسنجی ، عدم پاسخگویی قابل توجه در یک بررسی پانل باعث نگرانی در مورد تعصب عدم پاسخ می شود. وضعیت با موج اول یک بررسی پانل مطابق با یک بررسی مقطعی است که اطلاعات بسیار محدودی در مورد افراد غیرمجاز در دسترس است. با این حال ، وضعیت عدم پاسخ موج بعدی در یک بررسی پانل متفاوت است: در این حالت اطلاعات خوبی در مورد پاسخ دهندگان موج بعدی از پاسخ های آنها در امواج قبلی در دسترس است. از اطلاعات موج قبلی می توان برای بررسی احتمال تعصب عدم پاسخ و ایجاد تعدیل و وزن گیری تنظیمات عدم پاسخ که برای کاهش تعصب تلاش می کند استفاده شود (Kalton 1986 ، Lepkowski 1989).

با توجه به تهویه ، شواهد زیادی از چندین نظرسنجی وجود دارد که پاسخ های اولیه در یک بررسی پانل تفاوت قابل توجهی با آنچه در امواج بعدی ارائه شده است متفاوت است (Bailar 1975 ، 1979 ، Ghangurde 1982). در مورد بررسی جمعیت فعلی ایالات متحده ، برآورد بیکاری از خانوارهایی که برای اولین بار وارد نمونه می شوند تقریباً 10 درصد بیشتر از میانگین در هر هشت دوره گزارش ماهانه است. هنوز مشخص نیست که آیا در امواج اولیه یا بعدی تعصب پاسخ بیشتری وجود دارد ، زیرا تماس مکرر با پاسخ دهندگان تأثیرات مبهم بر کیفیت داده ها دارد. سؤال اساسی ، هنوز برای بیشتر پدیده های گزارش شده در نظرسنجی ها بی پاسخ است ، این است که آیا صرفاً گزارش رفتار یا رفتار خود است که تحت تأثیر عضویت در پانل قرار دارد.

این ممکن است که داده های جمع آوری شده در امواج پانل بعدی کمتر مغرضانه باشند ، زیرا تماس مکرر احتمال اینکه پاسخ دهندگان اهداف مطالعه را درک کنند ، افزایش می یابد و بنابراین به طور فزاینده ای انگیزه می گیرند تا تلاش لازم را برای ارائه پاسخ های دقیق تر انجام دهند. از طرف دیگر ، شواهدی از یک مطالعه اعتبار سنجی (Traugott and Katosh 1979) وجود دارد که مشارکت گسترده در یک مطالعه پانل در مورد رفتار انتخابات نه تنها باعث افزایش صحت پاسخ ها در رفتار رأی گیری می شود بلکه ممکن است در واقع میزان رای گیری را افزایش دهد ، به طوریرفتار پانل دیگر نماینده رفتار جمعیت نبود.

بعید به نظر می رسد که مشارکت پانل اثرات رفتاری فراگیر داشته باشد ، به ویژه هنگامی که تغییر در رفتار تحت بررسی نیاز به تلاش بیشتری نسبت به سفر به نظرسنجی ها دارد. به عنوان مثال ، رفتار اقتصادی مانند تلاش کاری ، پس انداز ، رفت و آمد و مالکیت خانه بعید است که تحت تأثیر پاسخ به مصاحبه های گاه به گاه قرار بگیرند. در صورتی که مشارکت باعث ایجاد علاقه به موضوع موضوع نظرسنجی شود ، پاسخ به سؤالات نگرشی ممکن است تحت تأثیر عضویت در پانل باشد.

عضویت محدود در یک پانل چرخان برای کاهش مشکلات تهویه پانل و از بین رفتن پانل در مقایسه با یک بررسی پانل غیرمترقبه عمل می کند ، و معرفی مداوم نمونه های جدید به حفظ یک نمونه به روز از یک جمعیت در حال تغییر کمک می کند. پانل های چرخان در درجه اول برای برآورد پارامترهای مقطعی ، هدف (A) ، برای برآورد مقادیر متوسط پارامترهای جمعیت در یک دوره زمانی ، هدف (B) و برای اندازه گیری تغییرات خالص ، هدف (C) استفاده می شوند. یک بررسی پانل چرخان به طور کلی تخمین های دقیق تری از نقطه زمان و به ویژه پارامترهای تغییر را نسبت به یک بررسی مکرر از همان اندازه ارائه می دهد. علاوه بر این ، یک بررسی پانل چرخان گاهی اوقات نسبت به یک نظرسنجی مکرر از مزیت هزینه برخوردار خواهد بود. این اتفاق می افتد که انجام یک بررسی مجدد نسبت به مصاحبه اولیه ارزان تر باشد ، به عنوان مثال در بررسی فعلی جمعیت ایالات متحده که در آن مصاحبه های اولیه باید با بازدید شخصی انجام شود ، در حالی که بازبینی مجدد در برخی از امواج ممکن است از طریق تلفن انجام شود (دفتر ایالات متحدهسرشماری سال 1978).

توانایی یک بررسی پانل چرخان برای اندازه گیری مؤلفه های تغییر فردی ، هدف (C) و جمع آوری داده ها برای افراد در طول زمان ، هدف (D) ، به وضوح محدود است. از آنجا که پانل های چرخان برای خدمت به این اهداف در نظر گرفته نشده اند ، می توان آنها را برای جلوگیری از هزینه های سنگین پیگیری های زیر که با نظرسنجی های پانل غیرقانونی رخ می دهد ، جلوگیری کرد. بنابراین ، به عنوان مثال ، بررسی جمعیت فعلی به عنوان واحدهای نمونه برداری از خانه ها ، نه خانوارها یا افراد ، به کار می رود ، به طوری که نیازی به پیروی از خانوارها یا افرادی که بین امواج پانل حرکت می کنند وجود ندارد.

در یک بررسی پانل تقسیم ، از مؤلفه بررسی پانل می توان برای اندازه گیری مؤلفه های تغییر فردی ، هدف (C) و داده های جمع آوری برای افراد به مرور زمان ، هدف (D) استفاده کرد. همپوشانی دائمی آن در برآورد تغییر خالص ، هدف (B) ، بین هر دو موج ، در حالی که همپوشانی در یک بررسی پانل در حال چرخش فقط در تخمین تغییر خالص بین برخی امواج از پیش تعیین شده کمک می کند.

هر دو طرح بررسی پانل چرخش و تقسیم نمونه هایی از ورودی های جدید به جمعیت و ظرفیت استفاده از اجزای بررسی پانل خود را برای بررسی تعصبات ناشی از تهویه پانل و تلفات پاسخ دهنده ارائه می دهند.

URL: https://www. sciencedirect. com/science/article/pii/b0080430767007488

قابلیت اطمینان

معرفی

مسائل مربوط به کیفیت اندازه گیری از مهمترین تحقیقات علمی است زیرا تجزیه و تحلیل و تفسیر نتایج تجربی به توانایی اندازه گیری دقیق و مداوم پدیده های مورد علاقه بستگی دارد. این ممکن است در علوم اجتماعی و رفتاری دشوارتر باشد ، که در آن اهداف اندازه گیری اغلب به خوبی مشخص نشده است. حتی وقتی آنها هستند ، متغیرهای مورد علاقه اغلب مشاهده مستقیم غیرممکن است. به عنوان مثال ، مفاهیمی مانند وضعیت اجتماعی ، شخصیت ، هوش ، نگرش ، ارزش ها ، حالات روانشناختی یا عاطفی ، انحراف یا وضعیت عملکردی ممکن است اندازه گیری دقیق دشوار باشد زیرا آنها برای تعریف متغیرها دشوار هستند و مستقیماً قابل مشاهده نیستند. حتی شاخص های اجتماعی که اغلب تصور می شود برای ارزیابی مستقیم مفاهیم مورد علاقه (به عنوان مثال ، سطح تحصیلات یا نژاد) عاری از خطاهای مشخصات مفهومی نیستند که منجر به عدم دقت می شود. عدم توانایی در تعریف مفاهیم دقیقاً به روش مفهومی معتبر ، خطاهای اندازه گیری را ایجاد می کند ، اما مشکلات اندازه گیری نیز به طور جدی با ماهیت ارتباطات و فرآیندهای شناختی درگیر در جمع آوری داده ها مرتبط است.

گاهی اوقات ، اصطلاح قابلیت اطمینان به طور کلی برای اشاره به ثبات کلی یا قابلیت اطمینان نتایج تحقیق ، از جمله عدم وجود خطاهای مشخصات جمعیت ، خطای نمونه برداری ، تعصب عدم پاسخ و همچنین اشکال مختلف خطاهای اندازه گیری استفاده می شود. در اینجا ، این اصطلاح به معنای باریک تر روان سنجی خود استفاده می شود ، و به طور خاص بر عدم وجود خطاهای اندازه گیری متمرکز می شود. حتی در این صورت ، حداقل دو برداشت متفاوت از خطا وجود دارد - خطاهای غیر تصادفی و غیر تصادفی (یا سیستماتیک) اندازه گیری - که عواقبی برای یافته های تحقیق دارد. در سنت روان سنجی ، مفهوم قابلیت اطمینان به عدم وجود خطای تصادفی اشاره دارد. این مفهوم سازی خطا ممکن است برای بسیاری از اهداف تحقیقاتی بسیار باریک باشد ، جایی که قابلیت اطمینان به عنوان عدم وجود خطای اندازه گیری بهتر درک می شود. با این حال ، می توان به سؤال از قابلیت اطمینان به طور جداگانه از مسئله کلی خطای اندازه گیری پرداخته و بعداً رابطه بین اجزای تصادفی و غیر تصادفی خطا مورد بحث قرار گیرد.

خطاهای اندازه گیری تقریباً در تمام اندازه گیری ، صرف نظر از محتوا رخ می دهد ، و عوامل مؤثر در تفاوت در عدم اطمینان از اندازه گیری ، شایسته بررسی هستند. کاملاً مشهور است که تجزیه و تحلیل آماری نادیده گرفتن عدم اطمینان از اقدامات به طور کلی برآوردهای مغرضانه از بزرگی و اهمیت آماری آزمون های میانگین تفاوت ها و ارتباطات بین متغیرها را ارائه می دهد. اگرچه تعصبات حاصل تمایل به دست کم گرفتن میانگین اختلافات و قدرت روابط ایجاد فرضیه ها محافظه کارانه تر دارند ، اما احتمال خطاهای نوع II و ناشی از آن رد فرضیه های صحیح و علمی با ارزش در مورد اثرات متغیرهای مورد علاقه را افزایش می دهد.

در این مقاله رویکردهای اصلی برای برآورد قابلیت اطمینان اندازه گیری بحث شده است. برای ارزیابی قابلیت اطمینان دو سنت وجود دارد: (1) نظریه آزمون کلاسیک یا سنت روانی برای متغیرهای پنهان مداوم و (ب) رویکرد اخیر که برای متغیرهای نهفته طبقه بندی شده است. از دیدگاه هر یک از سنت ، برآورد قابلیت اطمینان نیاز به اقدامات مکرر در سطوح مختلف متغیر دارد. این مقاله عمدتاً بر نحوه استفاده از اقدامات مکرر در تحقیقات اجتماعی برای برآورد قابلیت اطمینان اندازه گیری برای متغیرهای نهفته مداوم متمرکز است.

URL: https://www. scienceirect. com/science/article/pii/b0123693985003832

طراحی آزمایش ، اندازه گیری و تجزیه و تحلیل تحقیقات بالینی

هرمان I. برونر ، ادوارد اچ. جیانینی ، در کتاب درسی روماتولوژی کودکان (چاپ ششم) ، 2011

جانبداری

منابع تعصب که ممکن است در مطالعات بالینی رخ دهد شامل انتخاب ، اندازه گیری ، عدم پذیرش ، سردرگمی ، فراخوان ، ارجاع ، داوطلب ، عقب نشینی ، توجه ، بازپرس و تأیید از جمله دیگران است. برای پیچیده تر کردن مسائل ، ممکن است همان نوع تعصب با نام های مختلف شناخته شود یا زیر مجموعه برخی از تعصبات دیگر باشد (به بحث بعدی مراجعه کنید). بسیاری از آنها توضیحی هستند. در اینجا چند مورد از انواع مهم تعصب بحث شده است. 72 تعصب انتخاب ، تحریف اثرات مطالعه ناشی از نمونه گیری از افراد است و شامل تعصب داوطلبانه ، تعصب عدم پاسخ و تعصب ناشی از از دست دادن تا پیگیری است. زیرگروه دیگری از تعصب انتخاب به عنوان تعصب تشخیص گفته می شود.

تعصب اندازه گیری (همچنین تعصب اطلاعات) تحریف اثر مطالعه ناشی از تعیین نادرست متغیرهای مطالعه (یا قرار گرفتن در معرض یا بیماری) است. تعصب اندازه گیری ممکن است به طبقه بندی نادرست و دیفرانسیل تقسیم شود. اگر قرار گرفتن در معرض دقیق ارزیابی نشود ، تعصب اطلاعات غیرقانونی ممکن است رخ دهد. در صورت استفاده از عناوین شغلی به عنوان جانشین برای وضعیت قرار گرفتن در معرض ، این نوع تعصب ممکن است در تحقیقات شغلی رخ دهد. شکل دیگری از تعصب اندازه گیری غیرقانونی ، تعصب غیرقابل قبول بودن است که در صورت عدم پذیرش رفتار غیرقابل قبول ، قرار گرفتن در معرض ممکن است توسط بیماران گزارش شود. این احتمالاً در همه افراد تأثیر خواهد گذاشت ، نه فقط افراد مبتلا به بیماری مورد علاقه. تعصب نادرست طبقه بندی دیفرانسیل شامل تعصب فراخوان است ، که در آن فراخوان اطلاعات در مورد قرار گرفتن در معرض تحت تأثیر اینکه فرد مبتلا به این بیماری است ، تحت تأثیر قرار می گیرد (به عنوان مثال ، موارد ممکن است حافظه دقیق تری از وقایع منجر به بیماری نسبت به کنترل هایی که هیچ بیماری ندارند) داشته باشند. اگر شرایطی که تحت مصاحبه گروه های مختلفی از موضوعات قرار می گیرند ناسازگار هستند ، تعصب مصاحبه ممکن است رخ دهد. این شرایط شامل زمان قرار گرفتن در معرض مصاحبه ، تنظیم مصاحبه ، شخصی است که مصاحبه را انجام می دهد ، روشی که از آنها سؤال می شود (مطرح می شود) و اینکه آیا موضوع از فرضیه تحقیق آگاهی دارد یا خیر. مطالعات کنترل موردی به ویژه در برابر تعصب اطلاعات آسیب پذیر است.

تعصب مخدوش ، تحریف اثر مطالعه است که ناشی از اختلاط قرار گرفتن در معرض مرتبط با بیماری با اثرات یک یا چند متغیر بیرونی است. یک متغیر عجیب و غریب که کاملاً یا جزئی از تأثیر ظاهری قرار گرفتن در معرض یا ماسک های یک ارتباط واقعی اساسی را به خود اختصاص می دهد ، مخدوش نامیده می شود. نمونه هایی از مخدوش (1) ارتباط آشکار بین قرار گرفتن در معرض و بیماری که ممکن است به دلیل متغیر دیگری باشد ، و (2) عدم ارتباط آشکار بین قرار گرفتن در معرض و بیماری که ناشی از عدم کنترل برای تأثیر برخی از عوامل دیگر است. بشربرونر و همکارانش 73 نمونه ای از تعصب گیج کننده در روماتولوژی کودکان را ارائه می دهند. این محققان سعی در شناسایی عوامل خطر برای آسیب در کودکان در کودکان داشتند. ارتباط بین مدت زمان آسیب و مدت بیماری مشاهده شد که نشانگر رابطه علت و معلولی ممکن (و منطقی) بین این دو است. هنگامی که داده ها برای فعالیت بیماری مخدوش به مرور زمان اصلاح شدند ، مدت زمان بیماری به عنوان پیش بینی کننده آسیب ناپدید شد.

برای ارزیابی احتمال مخدوش ، ممکن است از تکنیک استاندارد طبقه بندی داده ها توسط مخدوش بالقوه استفاده شود. یکی به دنبال ارتباط بین قرار گرفتن در معرض (به عنوان یک عامل علیت احتمالی) و بیماری است. سپس افراد با موضوعاتی که با موضوعاتی که نمی توانند ببینند آیا یک انجمن وجود دارد ، مقایسه می کند. روش متداول دیگر استفاده از روشهای مانتل-هانسل برای محاسبه خطر نسبی کلی است که در آن نتایج حاصل از هر قشر با اندازه نمونه قشر وزن می شود. 74 فقط عوامل خطر برای این بیماری باید به عنوان متجاوز بالقوه مورد بررسی قرار گیرد. به طور خلاصه ، این موارد را می توان در طراحی مطالعه (یعنی با تطبیق) یا با طبقه بندی یا تجزیه و تحلیل چند متغیره (به بحث بعدی مراجعه کنید) مورد بررسی قرار داد.

URL: https://www. scienceirect. com/science/article/pii/b978141606581410007x

رایانه شخصی

رابرت م. آرنولد دکتر ، ویراستار ویژگی FAAHPM ، در مجله درد و مدیریت علائم ، 2020

نتایج

هیچ تفاوت بین جمعیتی (SFD در مقابل در مقابل) اختلاف جمعیتی شرکت کنندگان وجود ندارد. نرخ تکمیل 45 ٪ بود. تعصب عدم پاسخ به وزن داده ها کاهش یافته است. برای SFD (792 نفر) ، LCA چهار گروه را فاش کرد ، همه نگرانی های مشترک در مورد احترام به خواسته های بیمار و به حداقل رساندن رنج. این چهار گروه در غیر این صورت با نگرانی های منحصر به فرد مبنی بر برجسته کردن اعضای آنها متمایز شدند: یک فرد مسن که به شدت معلول (34 ٪) ، اجماع خانواده (26 ٪) باقی مانده است ، در مورد دقت پیش آگهی (21 ٪) و هزینه های مراقبت طولانی مدت (19 ٪). برای VS (796 = n) ، LCA پنج گروه را فاش کرد ، چهار نفر از پنج نفر که دارای پروفایل نگرانی مشابه با گروه های SFD بودند. بزرگترین گروه (29 ٪) پیش بینی ترین شک را بیان کردند. نگرانی های مذهبی اضافی (16 ٪).