2.4.3 Approximating adanwo

A le ìsúnmọ adanwo ti a ko le se. Meji yonuso ti o paapa ni anfaani lati awọn oni ori ti wa ni tuntun ati adayeba adanwo.

Ọpọlọpọ awọn pataki ijinle ati imulo ibeere ni o wa ifẹsẹmulẹ. Jẹ ki ká ro, fun apẹẹrẹ, awọn wọnyi ibeere: ohun ti o jẹ ni ipa ti a job ikẹkọ eto lori oya? Ọkan ọna lati dahun ibeere yi ni yio jẹ pẹlu kan ti aileto dari ṣàdánwò ibi ti osise won laileto sọtọ si boya gba ikẹkọ tabi ko gba ikẹkọ. Nigbana ni, awọn oluwadi le siro awọn ipa ti ikẹkọ fun awọn wọnyi olukopa nipa nìkan wé awọn oya ti eniyan ti o gba awọn ikẹkọ fun awọn ti o kò si gbà o.

Awọn ti o rọrun lafiwe ni wulo nitori ti nkan ti o ṣẹlẹ ṣaaju ki awọn data ti a ani gbà: awọn randomization. Lai randomization, awọn isoro ni Elo trickier. A awadi le afiwe awọn oya ti eniyan ti o atinuwa wole soke fun ikẹkọ fún àwọn tí kò wole-soke. Ti o lafiwe yoo jasi fi hàn pé awon eniyan ti o gba ikẹkọ mina siwaju sii, sugbon bi o Elo ti yi jẹ nitori ti ikẹkọ ati bi o Elo ti yi ni nitori awon eniyan ti o wole-soke fun ikẹkọ wa ti o yatọ lati awon ti ko wole-soke fun ikẹkọ? Ni gbolohun miran, ni o ẹwà lati fi ṣe afiwe awọn oya ti awọn wọnyi meji awọn ẹgbẹ ti eniyan?

Yi ibakcdun nipa ẹwà awọn afiwera nyorisi diẹ ninu awọn oluwadi lati gbagbo pe o ti soro lati ṣe ifẹsẹmulẹ nkan lai nṣiṣẹ ohun ṣàdánwò. Yi nipe lọ ju jina. Nigba ti o jẹ otitọ wipe adanwo pese awọn Lágbára ẹri fun ifẹsẹmulẹ ipa, nibẹ ni o wa miiran ogbon ti o le pese niyelori ifẹsẹmulẹ nkan. Dipo ti lerongba pe ifẹsẹmulẹ nkan wa ni boya rorun (ninu awọn idi ti adanwo) tabi soro (ninu awọn idi ti passively woye data), o jẹ dara lati ro ti awọn ogbon fun ṣiṣe ifẹsẹmulẹ nkan eke pẹlú a ti ilọsiwaju lati Lágbára to weakest (Figure 2.4). Ni o se opin ti awọn ti ilọsiwaju ti wa ni ti aileto dari adanwo. Sugbon, awọn wọnyi ti wa ni igba soro lati se ni awujo iwadi nitori ọpọlọpọ awọn itọju beere otitọ.O oye ti ifowosowopo lati ijoba tabi ile ise; oyimbo nìkan nibẹ ni o wa ọpọlọpọ awọn adanwo ti a ko le se. Emi o si fi gbogbo awọn ti Chapter 4 to mejeji awọn agbara ati ailagbara ti aileto dari adanwo, emi o si jiyan wipe ni diẹ ninu awọn igba miran, nibẹ ni o wa lagbara asa idi lati fẹ observational to esiperimenta ọna.

Olusin 2.4: atiranderan ti iwadi ogbon fun ifoju ifẹsẹmulẹ ipa.

Olusin 2.4: atiranderan ti iwadi ogbon fun ifoju ifẹsẹmulẹ ipa.

Gbigbe pẹlú awọn atiranderan, nibẹ ni o wa ipo ibi ti oluwadi ti ko kedere ti aileto. O ti wa ni, awọn oluwadi ti wa ni pinnu lati ko eko ṣàdánwò-bi imo lai ni kosi n ṣe ohun ṣàdánwò; nipa ti, yi ti ni lilọ lati wa ni ti ẹtan, ṣugbọn ńlá data gidigidi se wa agbara lati ṣe ifẹsẹmulẹ nkan ninu awọn ipo.

Nigba miran nibẹ ni o wa eto ibi ti randomness ni aye ti o ṣẹlẹ lati ṣẹda nkankan bi ohun ṣàdánwò fun oluwadi. Wọnyi awọn aṣa wa ni a npe adayeba adanwo, ati awọn ti wọn yoo wa ni kà ninu awọn apejuwe ni Abala 2.4.3.1. Meji ẹya ara ẹrọ ti ńlá data orisun-won nigbagbogbo-lori iseda ati won iwọn-gidigidi iyi wa agbara lati ko eko lati adayeba adanwo nigba ti won waye.

Gbigbe siwaju kuro lati aileto dari adanwo, ma nibẹ ni ko ani ohun iṣẹlẹ ni iseda ti a le lo lati ìsúnmọ a adayeba ṣàdánwò. Ninu awọn eto, ti a le fara òrùka afiwera laarin ti kii-esiperimenta data ninu awọn igbidawo lati ìsúnmọ ohun ṣàdánwò. Wọnyi awọn aṣa wa ni a npe tuntun, nwọn o si wa ni kà ninu awọn apejuwe ni Abala 2.4.3.2. Bi adayeba adanwo, tuntun ni a oniru ti o tun anfaani lati ńlá data orisun. Ni pato, awọn lowo iwọn-mejeeji ni awọn ofin ti awọn nọmba ti awọn igba ati iru alaye ti fun irú-gidigidi sise tuntun. Awọn bọtini iyato laarin adayeba adanwo ati tuntun ni wipe ni adayeba adanwo awọn awadi mọ awọn ilana nipasẹ eyi ti itọju ti a sọtọ ati ki o gbagbo o lati wa ni ID.

Awọn Erongba ti itẹ afiwera ti qkan àwọn ìfẹ lati se adanwo tun underlies awọn meji yiyan yonuso: adayeba adanwo ati tuntun. Awọn wọnyi ni yonuso yoo jeki o si ti siro ifẹsẹmulẹ ipa lati passively šakiyesi data nipa sawari itẹ afiwera joko inu ti data ti o si tẹlẹ ni.