※ 引述《nightcatman (夜貓)》之銘言：
: ※ 引述《waynedd (加西莫多)》之銘言：
: : 如果替代樣本不會造成任何失真的話，為何需要「追求降低拒訪率的種種方
: : 法」？能夠斷定這個統計結果是錯，是因為原樣本被替代後，他可能會符合
: : 「信心水準95% (或任一百分比)，抽樣誤差正負3%(或任一百分比)」這個前
: : 提下嗎？
: 你又在打稻草人了
: 我說的是, 替代樣本"不一定"會造成任何失真
: 所以我不會去否定追求降低拒訪率的方法
: 但是你仍舊 "無法用30%左右的拒訪率就完全否定某個統計結果"
: 因為失真和不失真的可能性同時存在
: 另外我不知道你扯信心水準和抽樣誤差幹嘛?
: 如果替代樣本的分佈無bias,信心水準和抽樣誤差就都不會降
: 而你在母體分佈未知的狀況下
: 如何能得知替代樣本的分佈"一定"會有bias?
所以請問你的「如果替代樣本的分佈無bias」的假設如何成立？
: : 如果我說的是經驗性的原則，你自己所說的呢？其實比我更大膽，這是一個
: : 「假設性」，「假設」了「不在家的人所支持政黨的分佈和母體並無差異」
: : ，因此推論出「不管換幾次樣本，替代樣本都不可能會造成誤差」，就你自
: : 己也承認的，誰都不知道母體長什麼樣子，請問你的假設有辦法證明成立嗎
: 你沒有看懂我說的話,不然就是你在刻意扭曲
: 我之所以會說 "如果不在家的人所支持政黨的分佈和母體並無差異" 這件事
: 是要表示 "不在家的人所支持政黨的分佈"
: 同時具有 "與母體分佈無差異" 和 "與母體分佈有差異" 的可能性
: 而並不是說 "與母體分佈一定無差異"
: 所以我一直在說, 你並沒有看清楚我的statement和argument
: 我並不需要去證明什麼
: 兩者同時存在的可能性就是全集合,這是自然成立的,無需證明
: 你要去否定其中一種可能性,才需要去證明
: 而且這個證明無法用舉例的方式成立
: 我以為這是很基本的邏輯 = =
我要問的是你的「如果」怎麼成立？在無法證明之前，這會被認為兩者都應
該會存在，但是經過「雷根事件(研究)」後，已經否定了另一個可能性，也
就是「如果不在家的人XXXX的分佈和母體並無差異」的可能，當你顧及某一
因素，又能顧及例如男女比與母題無差異、年領分布與母體無差異等等眾多
因素。
被否定前是無法判斷何者會成立，但以「雷根事件(研究)」後，發現原樣本
被替代會造成結果的誤差。所以若以「分布」一詞就認為代表含有數學理論
，那一個事件的說明又豈不能說是含有「無數的數學理論」？
: : ？這個問題相信在「雷根事件」前有被討論過，而「雷根事件」後發現，「
: : 假設不在家的人所支持政黨的分佈和母體並無差異」是不成立的，反而需要
: : 追原本所抽出的樣本，所獲得的結果才是正確的。
: 並不是
: 它在這個案例裏不成立
: 是因為有個"共和黨員經常在家"的隱性bias存在
: 而你無法證明這樣的bias在所有的案例中都存在
: (請注意,再一次強調
: 我說的是bias可能存在也可能不存在,而不是否定其中一種可能性)
: 而我上篇也說過
: 你可以說這樣的bias在實務案例中經常會出現
: 那ok, 因為這是經驗性敘述
: 這些在上篇都講過了 = =
「雷根事件」中的bias是「某方選民不常在家」，「文學文摘」中的bias是
「某方選民比較不回郵」，聯合報的bias是「某方選民比較不回答」，每次
因素都不同，但這真的只是這樣看似單一且獨立而已？這些都可以歸納出是
「未回應」樣本，所以在「雷根事件」中「未回應」而存在的bias，有沒有
出現在「文學文摘」中？有沒有出現在聯合報的民調中？
研究方法有演繹法跟歸納法，我以為這是最基本應該都會的。
: : 所以不管樣本被替代的理由是什麼，「雷根事件」的原理在於：「依照統計
: : 方法所抽出的樣本是具有代表性，遭到替代後會造成樣本結構高於原先所設
: : 定的誤差」。所以要我承認「替代樣本就是有不具bias的可能性」，那請先
: : 證明「被替代樣本的所有因素之分佈和母體並無差異」的「如果」先成立再
: : 說。
: 再說一次
: 替代樣本如果不具bias,那麼被替代後的樣本結構根本就不會有任何改變
: 也不會增加抽樣誤差
: 而在母體分佈未知的狀況下,你無從證明替代樣本一定會具有bias
: 所以你無法單從30%拒訪率否定某個統計結果
: 這是一整個連帶的觀念
: 而重點就是 "你無從證明替代樣本一定會具有bias"
: 如上段所述,具有bias和不具有bias的可能性都是存在的
: 你要否定其中一個, 就要去證明它確實能完全被否定
: 而這無法透過舉例的方法得證
從具可檢驗的選舉民調研究中就可以證明，只是你一再排除這些已經被實證
的資料，繼續用虛渺的「可能會可能不會」來回答，以案例帶出一整個觀念
，但是卻每每用「無法透過舉例的方法得證」閃避，對於曾有過的研究結果
視而不見。
: : 以上別跟我說你沒假設，因為你用了「如果」的字眼。
: 我用如果是要表達替代樣本確實有不具bias的可能性
: 如前述
: 請勿刻意扭曲或玩文字遊戲
再說一次，請證明「如果」的可能性成立。
: : 「理論上就是不一定會」？你前段的理論上，是建立在一個無法證明其是否
: : 成立的「如果」上。所以，imputation和post-stratification 是建立在一
: : 個「事後用經驗性的假設來補data」，那請問你的「如果」是建立在「什麼
: : 」上的「假設」？
: 你一直在重覆相同的東西... 請參閱上面吧... Orz
你一直不回答所以我只好一直重複。
: : 提imputation和post-stratification 離題？我只想知道如果樣本被替代真
: : 如你所說「理論上就是不一定會」造成誤差，那又何須發展出這些「事後用
: : 經驗性的假設來補data的辦法」？甚至還要冒著「選取的過程極端仰賴經驗
: : ，如果所選的和母體分佈差太多，反而會做出更糟的結果」的風險呢？是那
: : 些研究人員太閒了，無聊玩玩建立模型、寫寫起碼八本重要貢獻的文獻？
: 請參閱本文第一段... Orz
: 你真的離題很多
: 這些補missing data的辦法
: 是在於你認為missing data的分佈有bias, 足以影響統計結果的時候
: 用來補正bias用的
: 但這些方法的存在,並不能反證missing data的分佈一定會帶有bias
: 這是很明顯的邏輯問題吧 = =
: 另外,這些補data的方法確實極端仰賴經驗,不然會越做越糟
: 如果你不相信,可以回去問你的統計老師
: 研究人員為什麼要建模,就是想要找出一個比較好的選取方法來改善這點
: 你提這件事完全無法證明或否定我的那個statement
: 所以我才說你離題甚遠...
你真的閱讀能力有夠差，如果你所謂的可能性都能成立，今天幹嘛做這些補
救？未回應有bias或無bias都是機率問題，既然是隨機產生，那又何必去補
助，反正這次以imputation或post-stratification 補救，說不定反而更糟
不是嗎？不補救，說不定這次誤差真的很大。所以，沒辦法確定會有誤差的
話，那這麼多專精於imputation或post-stratification 是搞心酸的？
: : 首先，「從這個案例中學習到樣本多不見得是好」，這是解釋文學文摘帶給
: : 大家的省思，但是這是回應的所謂的「舉例無用」論。
: : 話要說的保守？OK！請告訴我樣本被替代後你有多少把握是符合母體分佈？
: : 或者說在1067個樣本數、信心水準 95%、抽樣誤差+-3%下，你有多少把握在
: : 樣本數被替代三分之一後，還符合這樣的信心水準跟抽樣誤差？甚至你有多
: : 少把握「被替代樣本的因素之分佈和母體並無差異」的「假設」是成立的？
: 我不知道母體分佈, 所以未知
: 但重點是, 因為未知, 所以我並沒有主張一定是怎樣
: 主張一定是怎樣的是你, 並不是我
: 所以,再一次的, 你根本搞錯了我的statement
: 我說的並不是 "被替代樣本的因素之分佈和母體並無差異"
: 而是 "被替代樣本的因素之分佈和母體分佈並不一定有差異"
: 所以又是一樣的問題,請看前幾段... Orz
我已經證明過了，用以前的研究結果跟你說會有差異，現在你要顛覆這些研
究結果，就是你需要證明，因為你主張一定是「被替代樣本的因素之分佈和
母體分佈並不一定有差異」。
: : 以及我是以「別人用來處理常見案例的經驗性原則，誤解為是理論上的必然
: : 」，那你的「被替代樣本的因素之分佈和母體並無差異」又建立在「什麼性
: : 」的「原則」呢？
: : 既然知道「真要嚴謹的講統計，話都要講得很保守才行」，我真的不太曉得
: : 「被替代樣本的因素之分佈和母體並無差異」，此話「保守」了嗎？
: 稻草人again... 請看前幾段... Orz
請回答我前幾段的問題。
: : 所以你了解了樣本被替代的「狀況、條件和限制」了嗎？所以請告訴我「被
: : 替代樣本的因素之分佈和母體並無差異」的數學基礎是什麼？
: 一樣的稻草人又 +1
再一次請回答我前幾段的問題。
: : 社會科學的目的是什麼？就是要「同一個方法做出來，就一定會在同情況下
: : 都做出必然相同的結果」，因此統計方法會說「在1067個樣本數、信心水準
: : 95% 、抽樣誤差+-3%」下，確實訪問到一開始被抽出的樣本，所得的結果是
: : 會一樣的，這些是嚴謹的統計下的「狀況、條件和限制」。
: 如果沒拒訪樣本分佈不存在bias
: 結果也會是一樣的
: 這是不是社會科學我不知道,不過這是數學
: 社會科學也許會告訴我們, 根據以往的案例,拒訪樣本分佈通常會有bias
: 這樣的經驗性陳述是ok的
: 但你如果要說拒訪樣本分佈"一定"會有bias
: 我也就只能說,數學上你沒辦法證明這點
以前的研究案例已經證明，但是你都視而不見。
: : 最後，我把幾個問題整理一下，希望能得到你的回答：
: : 1.請證明「被替代樣本的所有因素之分佈和母體並無差異」的「如果」成立？
: 在本文中一再重覆的稻草人問題
: 我說的是
: "被替代樣本的因素之分佈和母體分佈並不一定有差異"
: 請參閱前文
現在是要你證明另一個可能性存在。請證明。
: : 2.「被替代樣本的所有因素之分佈和母體並無差異」建立在「什麼性」的「原
: : 則」？
: 同1.
同上。
: : 3.在確實訪問到原本樣本下，可以有把握的說「在1067個樣本數，調查結果有
: : 信心水準95% 、抽樣誤差+-3%的範圍內確實反映母體」，請問在原樣本被替
: : 代三分之一的情況，還有把握結果能在「信心水準95% 、抽樣誤差+-3%的範
: : 圍內確實反映母體」？
: 這也是稻草人
: 我並沒有說它一定能成立
: 我說的是 "你不能說它一定不成立"
現在是要你證明另一個可能性存在。請證明。
: : 4.「『如果』不在家的人所支持政黨的分佈和母體並無差異，那麼你不管換幾
: : 次樣本，替代樣本都不可能會造成誤差」，此句話在你認為「真要嚴謹的講
: : 統計，話都要講得很保守才行」認知下，「保守」嗎？
: 如前文中所述
: 如果你正確理解我舉此例所要表達的意思
: 那麼就可以知道我這段敘述並無任何問題
: 所以, 重點是, 你能不能正確理解我的statement和argument是什麼
: 而不是一直在打稻草人
: 這在11913推文裏我就說過了 Orz
: 以上內容希望你先真的好好看完, 想一下
: 不要又急著回文反駁那些我並沒有主張的論點
: 謝謝
將模棱兩可的說法回答出來，這當然看似沒有問題，因為你可以這樣解釋，
也可以那樣解釋，希望你若想推翻以前研究的結果，那請先好好想一下，該
怎麼讓你認為也存在的另一個可能性成立。
--
手是為了握在一起而存在的
不是嗎？
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.119.210.21