统计学是什么？
统计学是对令人困惑费解的问题作出 数字设想的艺术
一、对照实验
该部分的第一个例子由脊髓灰质炎的疫苗引入了 随机对照双盲实验。
其所总结出的实验设计的原则：
- 减小混肴：使得想要实验的对象不要收到其他因素的干扰，控制其他的变量
- 减少偏性：有时看似设计的对照组符合控制变量，但其实处理组和对照组的人员的构成结构有差别，而不同的构成结构往往会导致不同的总体分布。这样的总体分布就带有偏差性。
同时，人事判断也通常会带来主观性，从而引入偏倚
- 假设检验：如果没有效果，那么相当于处理组与对照组来源于一个总体，那么计算一下该总体抽样出处理组的实验结果的概率是多少，如果小于设定的显著性水平，那么就说明其效果是显著性的，来源于随机性偶然因素的概率极低
同时，一些不好的实验设计有可能会夸大或者削弱措施的有效性，所以，一个科学合理的实验设计对于假设检验而言是非常重要的，能够如实的反映措施的效果。
二、 观察研究
观察研究不同于对照实验，在对照实验中由研究员决定谁将在处理组，谁将在对照组，同时能控制两组人员的一些行为（针对于实验目标的行为）。
但观察研究中，调研人员不指派受实验对象去处理组或者对照组。接受实验的某些对象拥有其效果正在被研究的条件，这就是处理组。其余形成对照组。
例如在有关吸烟的研究中，吸烟者形成处理组而不吸烟者则为对照组。
所以， 通过观察研究所收集得到的数据更加需要我们进行细分，以排除或尽可能减少混杂因素（混杂变量）
观察研究的烦恼之一就是观察对象中除了处理之外在许多重要方面有所不同。当然，这些差异可以通过对较小和较均匀的子组进行比较而加以调整，这就是控制混杂因素。
对结构相似的子组做单独的比较
- 在考察观察结果时，应当去考虑得到观察结果的过程，而不应该盲信观察结果的数据。
例如被给予处理的实验对象是否有坚持实验行为？ 是否坚持实验行为背后反映了什么因素？ 这些因素是否会一定程度上影响我们的实验数据？
- 说实话， 第一反应没有去考虑对照组中的坚持者，所以很容易盲从的从服药坚持者死亡率更低得到安妥明有效果的结论。
所以不仅进行实验时需要控制（Control）变量，分析数据得到结论时同样也要控制变量，减少除目标因素以外一切可能因素的干扰。
- 相关联的两件事并不等同于两者存在因果，可能只是同一个原因的两个结果
所以， 当我们每当想将一个变量当成原因时，都应当将其先控制起来，考察其他变量变化时是否会导致观察结论的变化。 有时候一些事情同时发生，具有很强的关联性，此时很容易被我们误认为一件事是另外一件事的原因。
三、小结：
- 观察研究可以建立关联性，但关联性不一定是因果关系
- 在一项观察研究中，处理的效果可能与某些因素的效果混杂在一起， 那些因素在一开始就影响受实验对象进入处理组还是对照组。因此 观察研究在有关因果关系上可能或多或少的被引入歧途
例如口服避孕药和宫颈癌的因果性就受到质疑
- 当考察一项研究时，提出下面的问题：
- 存在任何对照组吗？
- 若有，受实验对象如何被指派去处理组或对照组。
- 是通过一个在调研人员控制下的过程（对照试验）
- 还是通过一个调研人员控制之外的过程（观察研究）
- 如果它是一项对照实验，被指派工作是使用
- 随机对照
- 调研人员的判断
- 对观察研究和非随机化对照实验，试着 找出受实验对象如何来到处理组或者对照组的。
- 这两个组 可比较么？
- 不同么？
- 什么因素与处理相混杂在一起？
- 做什么样的调整使得混杂消除？
- 它们合理吗？
- 在一项观察研究中，混杂因素有时候可以通过比较关于因素相对类似较小的组而加以控制。
其实就是细分下钻，或者说将该变量控制起来，再下分一个因素进行分组，进而考察该变量的实际作用，或者说考察该变量是否混杂了其他因素。 例如口服避孕药的继续下钻就是口服避孕药的人群，将其分为
- 非经常暴露型口服者
- 经常暴露型口服者
Original: https://www.cnblogs.com/StephenSpace/p/16513009.html
Author: Stephen-zhang
Title: 实验设计
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/585106/
转载文章受原作者版权保护。转载请注明原作者出处！