识别观察性研究的例子

【讲师】 我们这里讲了一种 统计学研究的类型 我希望你可以暂停视频并且阅读 然后看看你是否能发现 这是一个样本研究还是一个观察性研究？ 这是一个实验吗？ 然后再想想你能得出什么样的结论 基于这项研究里提供的信息。 好的，现在让我们一起解决这个问题。 英国研究人员 对农民养牛的方法 和牛奶产量的关系感兴趣。 他们准备了一个关于 农民对奶牛心智能力的认知， 农民养牛的方法， 和牛奶产量的问卷调查。 英国所有的农场都填写了这份问卷。 在分析了调查结果后，他们发现 那些被取了名字的奶牛产奶量 比没有名字的奶牛产奶量 平均高出258升。 好的，所以他们正在建立 两个变量间的关系。 一个变量是奶牛是否被命名， 是否， 奶牛是否被命名，嗯嗯。 是否 奶牛 被命名 这应该是个类别型变量， 因为对于任意一个指定的农场， 对于农场里的奶牛是否被命名，答案是【是】或【否】。 然后他们尝试建立 奶牛是否被命名和 牛奶产量之间的关系。 这是一个数值变量（牛奶产量）， 因为你可以测量这个变量 然后以几升来表达。 牛奶，牛奶，产量。 我们是否能得出一个关系。 然后研究员得到了某种联系。 他们说，如果奶牛有名字 牛奶产量比那些 没有名字的奶牛牛奶产量平均高出258升。 所以，现在第一件事是弄清是什么统计研究 然后我们现在可以这么想， 这是一个样本研究吗？ 是一个样本研究吗？ 还是一个观察性研究？ 观察性， 还是一个实验？ 现在，一个样本研究， 实验， 一个样本研究里，你需要估计 一个适用于更大总体的参数。 现在，这里不是在估计一个参数 而是在试图找到 两个变量间的关系， 这让我们想起观察性研究。 因为这是观察性研究的特征。 比如，我们是否能得出一种关系， 我们是否能得出观测的变量的 正相关或负相关？ 我们调查的总体是 英国的农民， 然后我们可以找到几个变量间 的某种关系。 所以这很显然这是一种观察性 一种观察性研究。 这不是一个实验。 如果这是一个实验，我们就需要找一些农民 把他们随机分成两组。 第一个组，我们叫它【不起名】组 另一个组，我们叫它 【起名】组。 然后，我们等一段时间， 然后分别观察 【不起名】组 和【起名】组的平均牛奶产量。 我们等一段时间，六个月，一年， 然后看看这一段时间（比如六个月）， 牛没被取名字和牛被取名字之后，平均牛奶产量的变化。 但是图中的例子不是我们上述的情况。 图中例子里，我们仅仅给每个人做了调查问卷， 我们只是问他们问题， 然后我们可以发现， 发现 奶牛是否被命名 和真实牛奶产量的关系。 所以显然，图中例子不是一个实验， 而是一个观察性研究， 观察性研究。 接下来，我们可以从中得出什么结论呢？ 图中例子告诉我们 当奶牛被命名， 好像就会平均多出258升 牛奶产量。 所以，我们可以清晰地下结论， 那就是 对于英国的农民，牛是否被命名 和牛奶产量间存在一种关系， 一种正相关。 这是我们可以确认的。 让我写下来。 所以在英国， 英国的农民 英国农民 农民， 我们找到一种正相关， 正相关 关于奶牛是否命名 是否命名 奶牛 和牛奶产量 牛奶产量的正相关。 这是我们可以得出的结论。 现在一些人想要找出因果关系。 我们经常会在这种 观察性研究里看到一些人 试图找到某种因果关系， 比如有可能给奶牛命名正是 是牛奶产量提升的原因。 或者可能是反过来的因果， 奶牛产了很多奶， 农民因此喜欢它们并给它们起名， 因为对于农民，这就好比，”嘿，这是我的高产奶牛“。 有很多种 可能的说法， 比如奶牛是否命名 也许有一种因果关系，给奶牛命名会产出更多牛奶。 更多奶牛。 或者跟多的牛奶产量导致牛被命名。 你知道，当农民特别喜欢一头牛的时候， 就会给它起名字。 但不管是什么， 你都不能根据这个观察性研究 得出因果关系。 你或许已经可以 通过一个精心设计的实验得出因果关系， 但这不是在一个观察性研究里能做到的。 这是因为存在一些 混杂变量在影响两个变量（奶牛是否命名，牛奶产量）。 比如，混杂变量 可以是一个好的农民 一个好的农民 你知道的，我们可以用很多方式来定义好。 他们可以是温柔的， 一个好的农民会更倾向于给奶牛起名， 而且一个好的农民更有可能 收获更高的牛奶产量。 而我们认为这是一个混杂变量的原因在于 如果你要控制这个变量， 好吧，让我们只是对农民控制变量（只要好的农民）， 然后看看给奶牛命名是否使牛奶产量有区别。 这可能不会有什么区别。 如果农场主抚摸奶牛 ，人道地对待它们，并做其他（对奶牛友善的）事情。 那么农场主是否给它们起名字 就无所谓了。 同样地，如果你看那些不那么好的农民， 他们伤害奶牛， 对奶牛非常不人道。 那么是否给奶牛起名字 也同样没有什么区别。 因此，有一点非常重要： 在观察性研究中， 如果它们是比较标准的结构的话，你可能 你可能会得出一种关联性。 但是，你不可能得出 一个因果关系的结论。