Внутренняя валидность | это… Что такое Внутренняя валидность?
Вну́тренняя вали́дность (англ. internal validity) — вид валидности, степень влияния независимой переменной на зависимую переменную. Внутренняя валидность тем выше, чем больше вероятность того, что изменение зависимой переменной вызвано изменением именно независимой переменной (а не чего-либо ещё)[1]. Данное понятие можно рассматривать как междисциплинарное: оно широко применяется в экспериментальной психологии, а также в других сферах науки. Внутренняя валидность — соответствие реального исследования идеальному.
Содержание
|
Общие сведения
При обладающем внутренней валидностью исследовании исследователь уверен, что результаты, полученные измерением зависимой переменой, непосредственно связаны с независимой переменной, а не с каким-нибудь другим неконтролируемым фактором[2].
Однако, фактически, в науке (особенно в психологии) невозможно со стопроцентной уверенностью утверждать, что внутренняя валидность соблюдена. Например, невозможно изучить какой-то психический процесс отдельно от психики в целом. Поэтому всегда при любом психологическом эксперименте учёный может лишь максимально (но не абсолютно) удалить или минимизировать разнообразные факторы, угрожающие внутренней валидности.
Факторы, угрожающие внутренней валидности
[3]- Изменение во времени (зависимость субъектов и окружающей среды от времени суток, времён года, изменений в самом человеке — старение, усталость и рассеивание внимания при длительных исследованиях, изменение мотивированности испытуемых и экспериментатора и т. д.; ср. естественное развитие)
- Эффект последовательности
- Эффект Розенталя (Пигмалиона)
- Эффект Хоторна
- Эффект плацебо
- Эффект аудитории
- Эффект первого впечатления
- Эффект Барнума
- Сопутствующее смешение
- Факторы выборки[4]
- Неправильная селекция (неэквивалентность групп по составу, вызывающая систематическую ошибку в результатах)
- Статистическая регрессия
- Экспериментальный отсев (неравномерное выбывание испытуемых из сравниваемых групп, приводящее к неэквивалентности групп по составу)
- Естественное развитие (общее свойство живых существ к изменению; ср.
онтогенез)
- И др.
онтогенез)См. также
- List of cognitive biases (англ.)
- Список когнитивных искажений
Пример нарушения внутренней валидности
Допустим, мы хотим проверить лекарство, от которого люди будут становиться выше. Допустим, для своих исследований мы отбираем в качестве испытуемых 13-летних подростков, измеряем их рост, и даём им лекарство. Два года спустя мы возвращаемся к теперь уже 15-летним детям и фиксируем их текущий рост. Несомненно то, что они стали выше, но без сомнения и то, что мы не можем сделать из этого вывод, что эффект роста был вызван лекарством, так как мы не учли в своём теоретическом эксперименте естественных процессов взросления. Здесь внутренняя валидность нарушена следующим образом: мы не учли побочного для нашего исследования влияния других (в данном случае — очевидных) факторов, тогда как надо было их учитывать.
Примечания
- ↑ Дружинин В. Н. Экспериментальная психология. — 2-е изд., доп. — СПб.: Питер, 2002. С. 86.
- ↑ Исследование в психологии: методы и планирование / Дж. Гудвин. — 3-е изд. — СПб.: Питер, 2004. С. 190.
- ↑ Зароченцев К. Д., Худяков А. И. Экспериментальная психология: учеб. — М.: Проспект, 2005. С. 65—68.
- ↑ Дружинин В. Н. Экспериментальная психология. С. 87.
— 2-е изд., доп. — СПб.: Питер, 2002. С. 86.См. также
- Валидность в психологии
- Внешняя валидность
- Операциональная валидность
- Конструктная валидность
- Экологическая валидность
- Психологический эксперимент
Внутренняя валидность | это… Что такое Внутренняя валидность?
Вну́тренняя вали́дность (англ. internal validity) — вид валидности, степень влияния независимой переменной на зависимую переменную. Внутренняя валидность тем выше, чем больше вероятность того, что изменение зависимой переменной вызвано изменением именно независимой переменной (а не чего-либо ещё)
Данное понятие можно рассматривать как междисциплинарное: оно широко применяется в экспериментальной психологии, а также в других сферах науки. Внутренняя валидность — соответствие реального исследования идеальному.
Содержание
|
Общие сведения
При обладающем внутренней валидностью исследовании исследователь уверен, что результаты, полученные измерением зависимой переменой, непосредственно связаны с независимой переменной, а не с каким-нибудь другим неконтролируемым фактором[2].
Однако, фактически, в науке (особенно в психологии) невозможно со стопроцентной уверенностью утверждать, что внутренняя валидность соблюдена. Например, невозможно изучить какой-то психический процесс отдельно от психики в целом.
Поэтому всегда при любом психологическом эксперименте учёный может лишь максимально (но не абсолютно) удалить или минимизировать разнообразные факторы, угрожающие внутренней валидности.
Факторы, угрожающие внутренней валидности
[3]- Изменение во времени (зависимость субъектов и окружающей среды от времени суток, времён года, изменений в самом человеке — старение, усталость и рассеивание внимания при длительных исследованиях, изменение мотивированности испытуемых и экспериментатора и т. д.; ср. естественное развитие)
- Эффект последовательности
- Эффект Розенталя (Пигмалиона)
- Эффект Хоторна
- Эффект плацебо
- Эффект аудитории
- Эффект первого впечатления
- Эффект Барнума
- Сопутствующее смешение
- Факторы выборки[4]
- Неправильная селекция (неэквивалентность групп по составу, вызывающая систематическую ошибку в результатах)
- Статистическая регрессия
- Экспериментальный отсев (неравномерное выбывание испытуемых из сравниваемых групп, приводящее к неэквивалентности групп по составу)
- Естественное развитие (общее свойство живых существ к изменению; ср. онтогенез)
- И др.
онтогенез)См. также
- List of cognitive biases (англ.)
- Список когнитивных искажений
Пример нарушения внутренней валидности
Допустим, мы хотим проверить лекарство, от которого люди будут становиться выше. Допустим, для своих исследований мы отбираем в качестве испытуемых 13-летних подростков, измеряем их рост, и даём им лекарство. Два года спустя мы возвращаемся к теперь уже 15-летним детям и фиксируем их текущий рост. Несомненно то, что они стали выше, но без сомнения и то, что мы не можем сделать из этого вывод, что эффект роста был вызван лекарством, так как мы не учли в своём теоретическом эксперименте естественных процессов взросления. Здесь внутренняя валидность нарушена следующим образом: мы не учли побочного для нашего исследования влияния других (в данном случае — очевидных) факторов, тогда как надо было их учитывать.
Примечания
- ↑ Дружинин В. Н. Экспериментальная психология. — 2-е изд., доп. — СПб.: Питер, 2002. С. 86.
- ↑ Исследование в психологии: методы и планирование / Дж. Гудвин. — 3-е изд. — СПб.: Питер, 2004. С. 190.
- ↑ Зароченцев К. Д., Худяков А. И. Экспериментальная психология: учеб. — М.: Проспект, 2005. С. 65—68.
- ↑ Дружинин В. Н. Экспериментальная психология. С. 87.
— 2-е изд., доп. — СПб.: Питер, 2002. С. 86.См. также
- Валидность в психологии
- Внешняя валидность
- Операциональная валидность
- Конструктная валидность
- Экологическая валидность
- Психологический эксперимент
Что такое экологическая достоверность? | Определение и примеры
Опубликован в 9 сентября 2022 г. к Кассиани Николопулу. Отредактировано 2 декабря 2022 г.
Экологическая валидность измеряет, насколько экспериментальные результаты обобщаются в реальном мире, например, в ситуациях или условиях, типичных для повседневной жизни.
Это подтип внешней валидности.
Если тест имеет высокую экологическую валидность, его можно обобщить на другие жизненные ситуации, в то время как тесты с низкой экологической валидностью не могут.
Пример: экологическая достоверность. Вы изучаете, обращают ли пассажиры внимания на видео о безопасности в полете. Вас интересует, могут ли они вспомнить конкретную информацию от них. Вы набираете выборку из 100 человек и отправляете им видео о безопасности, предлагая посмотреть его в свободное время. После этого вы отправляете им анкету, чтобы узнать, что они могут вспомнить из видео.Для достижения высокой экологической достоверности наилучшим подходом было бы проведение эксперимента в реальном полете.
Экологическая валидность часто применяется в экспериментальных исследованиях человеческого поведения и познания, например, в психологии и смежных областях.
Содержание
- Что такое экологическая достоверность?
- Оценка экологической валидности
- Экологическая валидность в сравнении с внешней валидностью
- Примеры экологической валидности
- Ограничения экологической валидности
- Часто задаваемые вопросы
Что такое экологическая достоверность?
Экологическая валидность оценивает валидность результатов исследования на основе окружающей среды или условий, в которых проводилось исследование. Если у вас есть основания подозревать, что окружающая среда исследования могла повлиять на обобщаемость его результатов или привести к предвзятости исследования, экологическая валидность исследования может быть поставлена под сомнение.
Примечание Экологическую обоснованность иногда также называют мирским реализмом. Хотя некоторые используют эти термины как синонимы, обыденный реализм конкретно относится к той степени, в которой события эксперимента могут происходить в реальном мире.
Например, эксперимент, в котором участников просят прочитать новостную статью о местной политике в другой стране, имеет обыденный реализм, поскольку в нем используются действия, обычные в повседневной жизни (например, чтение новостей). Однако исследованию может не хватить экологической обоснованности, если в реальном мире люди не читают статьи на эту тему.
Оценка экологической достоверности
Чтобы оценить экологическую достоверность исследования, вы должны критически изучить обстановку, в которой оно проводилось. Это не так шаблонно, как «эксперимент проводился в лаборатории, поэтому ему не хватает экологической достоверности». Скорее, речь идет о том, чтобы указать, что может помешать успешному применению результатов из одной среды или настроек в другой.
Следующие вопросы помогут вам оценить экологическую достоверность:
- В какой среде проводится исследование?
- К каким другим средам вы пытаетесь применить эти выводы?
- Чем они отличаются или похожи?
Участникам предоставляется случайный список слов на экране и оценивается их способность вспоминать слова. Если вы хотите применить эти выводы к реальному контексту, например к разговору между людьми, вам нужно подумать о том, чем отличаются эти две среды.Например, вы можете утверждать, что в лабораторных условиях список слов изолирован от любого реального контекста. Участник неподвижен перед экраном, не в состоянии реагировать или каким-либо образом влиять на ситуацию. Напротив, эти условия отсутствуют в реальном разговоре, когда люди взаимодействуют и обмениваются информацией естественным образом. Таким образом, вы можете поставить под сомнение экологическую достоверность результатов.
Важно помнить, что научные исследования, проводимые в лабораторных условиях, не обязательно не соответствуют экологическим требованиям. И обобщаемость зависит не только от экологической валидности — вам необходимо учитывать и другие факторы, например, популяционную валидность.
Экологическая валидность против внешней валидности
Внешняя валидность проверяет, могут ли результаты исследования быть обобщены за пределами выборки.
Другими словами, он анализирует, можете ли вы применить то, что обнаружили в своем исследовании, к другим группам населения, ситуациям или переменным.
С другой стороны, экологическая валидность исследует, в частности, можно ли обобщить результаты исследования на условия реальной жизни. Экологическая валидность является подвидом внешней валидности.
Пример: экологическая валидность против внешней валидности Предположим, вы хотите оценить внешнюю валидность и экологическую валидность исследования, направленного на улучшение соблюдения режима лечения (т. е. приема назначенных лекарств) среди хронически больных взрослых пациентов.Чтобы оценить внешнюю валидность, вам нужно спросить, можно ли результаты обобщить на пациентов с характеристиками, которые каким-то образом отличаются от характеристик, включенных в исследование. Это могут быть пациенты, которых лечат по-другому, или пациенты, которые находятся под более длительным наблюдением.
Вам также необходимо специально изучить, можно ли обобщить результаты исследования на реальные ситуации, например клиническую практику в повседневной жизни.
Примеры экологической достоверности
Измерение экологической достоверности показывает, в какой степени результаты исследований или экспериментов репрезентативны для условий реального мира. Вот несколько примеров.
Пример: Высокая экологическая достоверность. Вы проводите исследование поведения в своем кампусе. В целях исследования вы предоставляете участникам два варианта выбора:- Идти под дождем, чтобы добраться до места назначения, аудитории в соседнем здании
- Пройдите внутрь, но на гораздо большее расстояние, чтобы попасть в ту же аудиторию
Ваши результаты показывают, что 83% участников предпочли бы пройти более короткое расстояние под дождем.
Вы можете утверждать, что результаты вашего исследования можно обобщить на реальный мир по двум причинам:
- Обстановка, в которой проходил ваш тест, обычная, университетский городок.
- Дилемма, которую вы поставили перед участниками, легко может возникнуть в повседневной жизни.
Теперь вы можете уверенно обобщать то, что сделало бы большинство людей в подобной ситуации. В этом случае они, скорее всего, предпочтут идти под дождем, чтобы быстрее добраться до места назначения, а не выбирать более длинный маршрут и оставаться сухими.
Эта ситуация отвечает требованиям высокой экологической обоснованности. Однако имейте в виду, что для того, чтобы сделать определенные выводы об обобщаемости ваших результатов, вам также необходимо учитывать валидность популяции.
Когда результаты, полученные в результате исследований или (контролируемых) экспериментов, не репрезентативны для условий реального мира, результаты исследования характеризуются низкой экологической достоверностью.
Пример: Низкая экологическая валидность. Вы хотите изучить поведение людей, регулярно играющих в покер. В лабораторных условиях вы предлагаете участникам сыграть в покер на компьютере, не делая ставок на реальные деньги. Вы анализируете их поведение, в том числе то, сколько словесных вспышек они имеют и какой денежный риск (например, количество удвоенных ставок и количество жетонов) они готовы принять.
Через несколько недель вы наблюдаете за теми же игроками в естественной обстановке. Ваши результаты показывают, что игроки имеют более или менее одинаковое количество вербальных вспышек в обеих ситуациях. Тем не менее, они более склонны брать на себя денежные риски в лаборатории. Учитывая, что игроки знали, что они участвуют в эксперименте, и в нем не было реальных денег, такой результат неудивителен.
В конечном счете, это исследование имеет низкую экологическую достоверность, поскольку его результаты нельзя обобщать и применять вне лабораторных условий.
Ограничения экологической достоверности
Экологическая валидность имеет несколько ограничений, о которых следует помнить.
Лабораторная среда
Часто исследования в таких областях, как психология, проводятся в лабораториях с целью лучшего понимания человеческого поведения. В идеале подобный эксперимент должен давать обобщаемые результаты, а это означает, что он предсказывает поведение за пределами лаборатории.
Если это так, то исследование свидетельствует об экологической обоснованности.
Однако лаборатории являются контролируемой средой. Отвлечения сведены к минимуму, так что участники исследования могут сосредоточиться на поставленной задаче, предоставляются четкие инструкции, а исследователи следят за тем, чтобы оборудование работало. Кроме того, лабораторные эксперименты рискуют иметь характеристики спроса или сигналы, указывающие на цели исследования. Эти сигналы могут заставить участников изменить свое поведение.
Поскольку все эти условия обычно отсутствуют в реальной жизни, они могут поставить под угрозу экологическую достоверность исследования.
Отсутствие стандартных размеров
Нет единого мнения о стандартном определении экологической валидности; на самом деле существует несколько определений. В результате не существует согласованных стандартов измерения экологической достоверности. Это заставляет некоторых исследователей сомневаться в полезности экологической валидности, утверждая, что конкретизации того, какое поведение или контекст вы тестируете, достаточно, чтобы смягчить предвзятость исследования.
Прежде чем говорить об экологической валидности в своей диссертации или исследовательской работе, важно выяснить, как ее определяет ваш преподаватель, кафедра или область обучения.
Компромисс с внутренней валидностью
Как упоминалось выше, контролируемая лабораторная среда не всегда подходит для обеспечения высокой экологической достоверности. Однако контролируемая среда лучше подходит для установления причинно-следственных связей, необходимых для высокой внутренней валидности, когда идеально, чтобы обстоятельства были как можно более идентичными.
Это может привести к некоторому компромиссу между почти неестественной обстановкой, необходимой для оценки внутренней валидности, и приближением к реальной жизни, необходимым для оценки экологической валидности. В то время как природная среда обеспечивает высокую экологическую достоверность, она сопряжена с риском большего количества внешних факторов, влияющих на взаимосвязь между различными типами переменных, что приводит к низкой внутренней достоверности.
Часто задаваемые вопросы
- Почему экологическая валидность не ставится в приоритет в исследованиях, проводимых в режиме проверки теории?
Целью режима проверки теории является поиск доказательств для опровержения, уточнения или поддержки теории. Таким образом, возможность обобщения не является целью режима проверки теории.
В связи с этим приоритетом исследователей в режиме проверки теории является устранение альтернативных причин взаимосвязей между переменными. Другими словами, они отдают приоритет внутренней валидности внешней валидности, включая экологическую валидность.
Процитировать эту статью Scribbr
Если вы хотите процитировать этот источник, вы можете скопировать и вставить цитату или нажать кнопку «Цитировать эту статью Scribbr», чтобы автоматически добавить цитату в наш бесплатный генератор цитирования.
Николопулу, К. (2022, 02 декабря). Что такое экологическая достоверность? | Определение и примеры. Скриббр. Проверено 31 мая 2023 г., с https://www.scribbr.com/methodology/ecological-validity/
Процитировать эту статью
Полезна ли эта статья?
Вы уже проголосовали. Спасибо 🙂 Ваш голос сохранен 🙂 Обработка вашего голоса… Кассиани имеет академическое образование в области коммуникаций, биоэкономики и экономики замкнутого цикла. Как бывшая журналистка, ей нравится превращать сложную научную информацию в легкодоступные статьи, чтобы помочь студентам. Она специализируется на написании статей о методах исследования и предвзятости исследования.
Предубеждение истощения | Примеры, объяснение, предупреждение
Опубликован в 1 ноября 2021 г. к Прита Бхандари. Отредактировано 4 марта 2023 г.
Истощение — выбывание участников из исследований с течением времени. Это также называется смертностью субъектов, но это не всегда относится к смерти участников!
Почти все лонгитюдные исследования будут иметь некоторое отсев, но тип и масштаб отсева могут вызвать проблемы. Систематическая ошибка отсева — это выборочное выбывание некоторых участников, которые систематически отличаются от тех, кто остается в исследовании.
Систематическая ошибка отсева особенно проблематична в рандомизированных контролируемых испытаниях для медицинских исследований.
Содержание
- Что такое истощение?
- Типы отсева
- Почему имеет значение погрешность отсева
- Способы предотвращения отсева
- Выявление систематической ошибки отсева
- Как учитывать погрешность отсева
- Другие типы систематической ошибки в исследованиях
- Часто задаваемые вопросы о систематической ошибке отсева
Что такое истощение?
В экспериментальных исследованиях вы манипулируете независимой переменной, чтобы проверить ее влияние на зависимую переменную.
Вы часто можете комбинировать лонгитудинальные и экспериментальные планы, чтобы неоднократно наблюдать внутрисубъектные изменения участников с течением времени.
Вы проводите для лечебной группы короткие занятия по антинаркотическому просвещению в течение двух месяцев, в то время как контрольная группа посещает занятия по другой теме.
В большинстве случаев при наличии нескольких точек сбора данных (волн) не все участники включаются в окончательную выборку.
Пример: отсев. Вы выполните пять волн сбора данных для сравнения результатов: опрос перед тестированием, три опроса в ходе программы и опрос после тестирования. Все больше и больше участников отсеиваются с каждой волной после предварительного опроса, что приводит к уменьшению выборки в каждый момент времени. Это называется истощением.
Причины увольнения
Участники могут выйти из игры по любой причине. Например, они могут не вернуться после неудачного опыта или у них может не хватить времени, мотивации или ресурсов для продолжения участия в вашем исследовании.
В клинических исследованиях участники также могут уйти из-за нежелательных побочных эффектов, неудовлетворенности лечением или смерти по другим причинам.
Кроме того, вам может потребоваться исключить некоторых участников после начала исследования за несоблюдение протоколов исследования, определение цели исследования или несоответствие критериям включения.
Виды истирания
Отсев может быть случайным или систематическим. Когда отсев носит систематический характер, это называется смещением отсева.
Случайная убыль
Случайное отсев означает, что участники, которые остаются, сопоставимы с участниками, которые уходят. Это тип случайной ошибки.
Пример: случайный отсев. Примерно одинаковое количество участников выбывает из контрольной и экспериментальной групп к концу.
Вы не обнаружили статистически значимых различий между теми, кто ушел, и теми, кто остался, проверяя данные вашего исследования.
Обратите внимание, что этот тип истощения все еще может быть вредным в больших количествах, потому что он снижает вашу статистическую силу. Без достаточно большой выборки вы не сможете обнаружить эффект, если он есть в популяции.
Смещение истощения
Систематическая ошибка, связанная с отсевом, является систематической ошибкой: участники, которые уходят, по-своему отличаются от тех, кто остается.
У вас может быть систематическая ошибка отсева, даже если небольшое количество участников покидает ваше исследование. Важно то, существует ли систематическая разница между теми, кто уходит, и теми, кто остается.
Пример: систематическая ошибка отсева. Во время вашего исследования некоторые участники выбывают из программы и не проходят образовательную программу или последующие опросы. Вы проверяете данные базового опроса, чтобы сравнить тех, кто уходит, с теми, кто остается в исследовании.
Согласно данным, участники, которые уезжают, потребляют значительно больше алкоголя, чем участники, которые остаются. Это означает, что ваше исследование имеет систематическую ошибку отсева.
Почему имеет значение систематическая ошибка отсева
Некоторое истощение является нормальным и ожидаемым в исследованиях. Но тип отсева важен, потому что систематическая предвзятость может исказить ваши выводы.
Систематическая ошибка отсева может привести к неточным результатам, поскольку она может повлиять на внутреннюю и/или внешнюю валидность.
Внутренняя действительность
Систематическая ошибка истощения представляет собой угрозу внутренней валидности. В экспериментах различия в показателях отсева между экспериментальной и контрольной группами могут исказить результаты.
Этот тип предвзятости исследования может повлиять на взаимосвязь между вашими независимыми и зависимыми переменными. Это может привести к тому, что переменные кажутся коррелированными, когда это не так, или наоборот.
Для участников, которые остаются, лечение более эффективно, чем контрольный протокол, в поощрении ответственного употребления алкоголя.
Но трудно сделать вывод, потому что вы не знаете, каковы были результаты участников, покинувших лечебную группу.
Без полных выборочных данных вы не сможете сделать правильный вывод о своей популяции.
Внешняя действительность
Систематическая ошибка истощения может исказить вашу выборку так, что окончательный образец будет значительно отличаться от исходного. Ваша выборка необъективна, поскольку некоторые группы населения недостаточно представлены.
При необъективной окончательной выборке вы, возможно, не сможете обобщить свои выводы на исходную популяцию, из которой вы сделали выборку, поэтому ваша внешняя валидность будет поставлена под угрозу.
Ваш окончательный образец смещен в сторону студентов колледжа, которые употребляют алкоголь от низкого до умеренного.
Ваши выводы применимы не ко всем студентам колледжей, потому что в вашей выборке недостаточно представлены те, кто употребляет большое количество алкоголя.
Способы предотвращения истощения
Легче предотвратить истощение, чем учитывать его позже в анализе. Применение некоторых из этих мер может помочь вам сократить отсев участников, упростив и привлекая участников остаться.
- Предоставлять компенсацию (например, наличными или подарочными картами) за посещение каждого сеанса
- Максимально свести к минимуму количество повторных проверок
- Сделайте все последующие действия краткими, гибкими и удобными для участников
- Отправка обычных напоминаний для планирования последующих действий
- Наберите больше участников, чем вам нужно для вашей выборки (избыточная выборка)
- Сохраняйте подробную контактную информацию, чтобы вы могли связаться с участниками, даже если они переедут
Обнаружение систематической ошибки отсева
Несмотря на принятые превентивные меры, у вас все еще может быть истощение в ваших исследованиях.
Вы можете обнаружить систематическую ошибку отсева, сравнив участников, которые остались, с участниками, которые покинули ваше исследование.
Используйте исходные данные для сравнения участников по всем переменным в вашем исследовании. Сюда входят демографические переменные, такие как пол, этническая принадлежность, возраст и социально-экономический статус, а также все интересующие переменные.
Вы часто будете замечать значительные различия между этими группами по одной или нескольким переменным, если есть систематическая ошибка.
Выявление систематической ошибки, связанной с отсевом. Вы сравниваете исходные данные участников, которые ушли, с теми, кто остался в конце исследования.Вы собрали данные по этим переменным:
- Возраст
- Пол
- Этническая принадлежность
- Социально-экономический статус
- Частота употребления алкоголя
- Количество употребления алкоголя
- Назначение лечебной или контрольной группы
Используя логистический регрессионный анализ, вы делите участников на две группы в зависимости от того, остаются они или уходят, и вводите переменные в качестве коэффициентов для проверки различий.
Коэффициенты для переменных частоты и количества употребления алкоголя являются значимыми, указывая на систематическую ошибку отсева, основанную на этих переменных. Оставшиеся участники отличаются от тех, кто выбывает, количеством и частотой употребления алкоголя.
Если вы не найдете значимых результатов, у вас все еще может быть скрытая систематическая ошибка отсева, которую нелегко найти в ваших данных.
Постарайтесь связаться с участниками, чтобы понять причины их ухода, и проверьте любые распространенные причины отсева, если вы можете связаться с ними.
Даже если вы не можете определить предвзятость отсева, последующий опрос выбывших участников может помочь вам спланировать будущие исследования, предотвращающие предвзятость отсева.
Как учитывать систематическую ошибку отсева
Чтобы получить достоверные результаты, лучше попытаться учесть систематическую ошибку отсева в своем исследовании. Если у вас есть небольшая погрешность, вы можете выбрать статистический метод, чтобы попытаться компенсировать ее.
Эти методы помогают воссоздать как можно больше отсутствующих данных без ущерба для точности.
Множественное вменение
Множественное вменение предполагает использование моделирования для замены отсутствующих данных вероятными значениями. Вы вставляете несколько возможных значений вместо каждого отсутствующего значения, создавая множество полных наборов данных.
Эти значения, называемые множественными вменениями, генерируются с использованием имитационной модели снова и снова для учета изменчивости и неопределенности. Вы анализируете все свои полные наборы данных и объединяете результаты, чтобы получить оценки среднего значения, стандартного отклонения или других параметров.
Грузы для образцов
Вы можете использовать выборку с весом , чтобы компенсировать неравномерный баланс участников в вашей выборке.
Вы корректируете свои данные таким образом, чтобы общий состав выборки отражал состав населения.
Данные от участников, похожих на тех, кто покинул исследование, перегружены, чтобы компенсировать систематическую ошибку отсева.
Слабопьющие и умеренно пьющие люди получают одинаковый весовой коэффициент 1, что означает, что их данные умножаются на 1. В то же время сильнопьющим присваивается более высокий весовой коэффициент 1,5, поэтому даты каждого из этих участников имеют избыточный вес в полном наборе данных.
Другие виды предвзятости исследования
Часто задаваемые вопросы о систематической ошибке отсева
- Что такое смещение на истощение?
- Как истощение влияет на внешнюю валидность?
Систематическая ошибка истощения может исказить вашу выборку так, что окончательный образец будет значительно отличаться от исходного. Ваша выборка необъективна, поскольку некоторые группы населения недостаточно представлены.
При необъективной окончательной выборке вы не сможете обобщить свои выводы на исходную популяцию, из которой вы сделали выборку, поэтому ваша внешняя валидность будет поставлена под угрозу.
- Как предотвратить истощение?
Чтобы избежать отсева, применение некоторых из этих мер может помочь вам сократить отсев участников, упростив и привлекая участников остаться.
- Предоставлять компенсацию (например, наличными или подарочными картами) за посещение каждого сеанса
- Максимально свести к минимуму количество повторных проверок
- Сделайте все последующие действия краткими, гибкими и удобными для участников
- Отправлять участникам стандартные напоминания о планировании последующих действий
- Набрать больше участников, чем нужно для вашей выборки (избыточная выборка)
- Сохраняйте подробную контактную информацию, чтобы вы могли связаться с участниками, даже если они переедут
- Как вы преодолеваете склонность к истощению?
- Что такое дифференциальное истощение?
Отсев относится к участникам, покидающим исследование. В какой-то степени это всегда происходит — например, в рандомизированных контролируемых испытаниях для медицинских исследований.
Дифференциальный отсев происходит, когда показатели отсева или отсева систематически различаются между экспериментальной и контрольной группой.
org/Answer»>Систематическая ошибка отсева — это выборочное выбывание некоторых участников, которые систематически отличаются от тех, кто остается в исследовании.
Некоторые группы участников могут уйти из-за неудачного опыта, нежелательных побочных эффектов или неадекватных стимулов для участия, среди прочих причин. Истощение также называется смертностью субъекта, но это не всегда относится к смерти участников!
org/Answer»>Если у вас есть небольшая предвзятость, связанная с отсевом, вы можете использовать некоторые статистические методы, чтобы попытаться компенсировать ее.
Множественное вменение предполагает использование моделирования для замены отсутствующих данных вероятными значениями. В качестве альтернативы вы можете использовать взвешивание выборки, чтобы компенсировать неравномерный баланс участников в вашей выборке.
