3.3 සමස්ත සමීක්ෂණය දෝෂයක් රාමුව

මුළු සමීක්ෂණය දෝෂයක් = නියෝජනය වැරදි + මිනුම් වැරදි.

නියැදි සමීක්ෂණවලින් පැමිණෙන ඇස්තමේන්තු බොහෝ විට අසම්පූර්ණයි. එනම්, සාමාන්යයෙන් නියැදි සමීක්ෂණයක් මගින් ඉදිරිපත් කරන ලද ඇස්තමේන්තුව (උදාහරණයක් ලෙස, පාසලක සිසුන්ගේ ඇස්තමේන්තු සාමාන්ය සාමාන්ය උස) සහ ජනගහනයේ සත්ය වටිනාකම (උදාහරණයක් ලෙස, පාසලක සිසුන්ගේ සාමාන්ය සාමාන්ය උස). ඇතැම් අවස්ථාවලදී මෙම දෝෂ කුඩා වන බැවින් ඒවා අත්යවශ්ය නොවන නමුත්, සමහර විට, අවාසනාවකට මෙන්, ඒවා විශාල සහ ආනුෂංගීය විය හැකිය. වැරදි තේරුම් ගැනීම, මැනීම සහ අඩු කිරීම සඳහා පර්යේෂකයන් ක්රමික වශයෙන් සමීක්ෂණ සමීක්ෂණවලදී ඇති විය හැකි වැරදි සඳහා තනි, පරමාර්ථ සංකල්පමය රාමුවක් නිර්මාණය කරන ලදී: සම්පූර්ණ සමීක්ෂණ වැරදි රාමුව (Groves and Lyberg 2010) . මෙම රාමුව වර්ධනය කිරීම 1940 ගණන් වල ආරම්භ වූවද, එය ඩිජිටල් යුගයේ සමීක්ෂණ පර්යේෂණ සඳහා ප්රයෝජනවත් අදහස් දෙකක් ලබා දෙයි යැයි මම සිතනවා.

පක්ෂපාතීත්වය සහ විචලතාව: පළමුව, මුළු සමීක්ෂණය දෝෂයක් රාමුව දෝෂ වර්ග දෙකක් සිටින බව පැහැදිලි. සුළු වශයෙන්, පක්ෂග්රාහී ක්රමානුකූල දෝෂය සහ විචලනය සසම්භාවී දෝෂයකි. වෙනත් වචනවලින් කිවහොත්, එකම නියැදි සමීක්ෂණයේ 1000 replications ධාවනය කරන අතර පසුව 1000 නැවත නැවතත් ප්රතිච්චන බෙදා හැරීමේ දෙස බලමින්. මෙම අනුප්රාණය යනු මෙම අනුපිටපත් ඇස්තෙම්න්තු සහ සත්ය වටිනාකම අතර වෙනසයි. මෙම විචලනය මෙම ඇස්තමේන්තුවල විචලතාවයි. අන් සියල්ලටම සමානයි, අපට පක්ෂපාතී සහ කුඩා විචලතාවකින් යුක්තව ක්රියාවලියකට කැමති වනු ඇත. අවාසනාවකට මෙන්, බොහෝ සැබෑ ගැටළු සඳහා, එතරම් නොගැලපීම්, කුඩා විචල්ය ක්රියාපටිපාටි නොපවතින නිසා, පක්ෂග්රාහී සහ විචලතාව විසින් හඳුන්වා දුන් ගැටලු සමතුලනය කරන ආකාරය තීරණය කිරීමේ අපහසු තත්වයට පත් කරයි. සමහර පර්යේෂකයන්ට අපක්ෂපාතීව අපක්ෂපාතී ක්රියාපටිපාටියන් කැමති වුවද, පක්ෂග්රාහී මත තනි අවධානයක් යොමු කිරීම වැරැද්දක් විය හැකිය. ඉලක්කය වන්නේ සත්යය කරා හැකි තරම් සමීපව ඇස්තෙම්න්තු කරන ලද තක්සේරුවක් ඉදිරිපත් කිරීමයි (එනම්, කුඩාම හැකි දෝෂ සහිතව) නම්, එවිට ඔබට වඩා කුඩා පක්ෂග්රාහී හා කුඩා විචලතාවයක් ඇති ක්රමවේදයක් සමඟ වඩා හොඳ විය හැකිය අපක්ෂපාතී වුවද විශාල විචලනයක් ඇත (රූප සටහන 3.1). වෙනත් වචනවලින් කිවහොත්, සමීක්ෂණයේ සමීක්ෂණයේ වැරදි පරිපාටිවලදී සමීක්ෂණයේ සමීක්ෂණයේ වැරදි පරිපාටිවලදී, සමීක්ෂණයේ දෝෂ සහිත රාමුව මගින් පෙන්නුම් කෙරෙන්නේ, ඔබ අනුචිත සහ විචලනය යන දෙකම සැලකිල්ලට ගත යුතු බවයි

රූපය 3.1: පක්ෂපාතීත්වය සහ විචලනය. පරිපූර්ණ නම්, පර්යේෂකයන්ට කිසිදු අස්ථිර, අඩු විචලතා තක්සේරු ක්රියා පටිපාටියක් තිබිය යුතුය. යථාර්ථයේ දී, ඔවුන් බොහෝ විට පක්ෂග්රාහී හා විචලතාවයන් අතර වෙළඳාමක් නිර්මාණය කරන තීරණ ගනු ඇත. සමහර පර්යේෂකයන්ට අපක්ෂපාතීව අපක්ෂපාතී ක්රියාපිළිවෙත වුවද, සමහර විට කුඩා-විචක්ෂණතා, කුඩා විචල්ය ක්රියාපටිපාටිය, වැඩි විචලතාවයක් ඇති අපක්ෂපාතී ක්රියාපටිපාටියට වඩා වඩාත් නිවැරදි ඇස්තමේන්තු ඉදිරිපත් කළ හැකිය.

මෙම පරිච්ඡේදයේ බොහෝ දේ සංවිධානය කරනු ලබන සමස්ත සමීක්ෂන දෝෂ රාමුවෙහි දෙවන ප්රධාන දෘෂ්ටිය වන්නේ, ඔබ දෝෂ සහගත මූලාශ්ර දෙකක් පවතින බවය: ඔබ කතා කරන කවුරුන් ( නියෝජනයන් ) සහ එම සංවාදයෙන් ඔබ ඉගෙන ගන්නා දේට අදාළ ගැටළු ( මිණුම් ). නිදසුනක් වශයෙන්, ඔබ ප්රංශයේ ජීවත් වන වැඩිහිටියන් අතර සබැඳි පෞද්ගලිකත්වය පිළිබඳ ආකල්පමය තක්සේරු කිරීම ගැන ඔබ සැලකිලිමත් විය හැකිය. මෙම ඇස්තමේන්තු සකස් කිරීම සඳහා විවිධාකාර වූ දර්ශන දෙකක් අවශ්ය වේ. පළමුව, ප්රතිචාර දැක්වූවන්ගෙන් දෙන ලද පිළිතුරු වලින්, අන්තර්ජාලය රහස්යභාවය පිළිබඳව ඔවුන්ගේ ආකල්ප නිශ්චය කර ගැනීම (මෙය මැනීමේ ගැටලුවක්) විය යුතුය. දෙවනුව, ප්රතිචාර දක්වන ලද ආකල්පයන්ගෙන්, ජනගහනයේ සමස්ත ආකල්පයම නියෝජනය කිරීම (නියෝජනය කිරීම පිලිබඳ ප්රශ්නයක්) ඔබ විසින් අනුගමනය කළ යුතුය. නරක සමීක්ෂණ ප්රශ්නවලින් පරිපූර්ණ නියැදීමෙන් නරක ඇස්තමේන්තු ඉදිරිපත් කරනු ඇත. පරිපූර්ණ සමීක්ෂණ ප්රශ්න සමඟ නරක නියැදීමක් සිදු කරනු ඇත. වෙනත් වචනවලින් කිවහොත්, හොඳ ඇස්තමේන්තු මැනීම සහ නිරූපණය සඳහා ශබ්ද ප්රවේශයන් අවශ්ය වේ. එම පසුබිම නිසා, අතීතයේ නිරූපණය සහ මිනුම් පිළිබඳ සමීක්ෂණ පර්යේෂකයින් සිතා ඇති ආකාරය ගැන මම සමාලෝචනය කරමි. එවිට, නිරූපණය සහ මිනුම් පිළිබඳ අදහස් ඩිජිටල් යුග සමීක්ෂණ පර්යේෂණ මග පෙන්වන ආකාරය පෙන්නුම් කරමි.