《调查统计与方法学杂志》上的一篇新论文指出，研究人员用来报告调查数据分析的方法千差万别，而且经常包含错误。包含这些不正确分析的出版物产生的结果可能会误导决策者、研究人员和从业者。这里的研究人员提出了新标准，以改进使用复杂样本调查数据的分析报告。

几十年来，研究人员记录了使用复杂人口样本调查数据的论文中常见的方法问题和分析错误。这些调查采用抽样设计特征，如果使用得当，这些特征可以产生对人口的无偏估计。例如，人口样本通常使用复杂的设计特征来提高统计效率、降低成本并增加代表性不足人口的样本量。然而，复杂样本偏离简单随机样本。这对分析和报告结果具有重要意义。

默认情况下，大多数统计软件程序都假定数据来自简单的随机样本。但并非所有调查数据都是使用简单的随机样本收集的。因此，研究人员在分析此类数据时必须使用正确的软件程序来说明复杂的样本设计特征。不考虑复杂的设计特征可能会产生有偏差的估计和对材料的错误解释。

2016年的一篇论文分析了来自科学家和工程师统计数据系统的数据，发现只有7.6%正确地解释了方差估计中的抽样。同一篇论文发现略多于一半(54.5%)的论文正确地解释了分析中的抽样权重，只有10.7%的论文使用了适当的子群体估计。对分析全国住院患者样本数据的出版物进行的单独审查发现，大约80%的论文没有考虑样本的聚类和分层。另一项分析发现，只有不到一半的分析MedicareCurrentBeneficiarySurvey数据的论文描述了适当的加权或方差估计。

这里的研究人员提出了一个逐项清单，以指导研究人员使用复杂的样本调查数据发表分析。他们称之为复杂样本调查分析(或PRICSSA)的首选报告项目的清单包含17个重要项目，用于报告对复杂调查数据进行的任何分析，包括所有估计的样本量、缺失数据率和插补方法，有关任何已删除数据的信息，以及有关调查加权和方差估计的解释。除了清单之外，这里的研究人员还建议使用复杂调查数据的研究人员提供所有相应的软件代码。

作者认为，此类改革可以大大提高透明度，并使分析错误更容易被发现。反过来，这将使学者或其他研究人员不太可能犯下这些错误。此处的研究人员强调，他们根据其他清单(例如广泛用于系统评价和荟萃分析的PRISMA清单，以及随机试验中的标准CONSORT指南)对清单进行了建模。

学者和机构在调查设计和数据收集方面投入了大量资源，试图得出准确的人口估计数。正确分析此类数据需要研究人员将某些复杂的调查设计特征纳入他们的工作。本文的作者希望确保同行评审出版物中报告的结果不会误导决策者、从业者和研究人员。他们认为，他们提出的清单有可能通过提高分析质量和增加透明度来提高调查研究的严谨性和可重复性。

“当论文发表并且分析执行不正确或无法重现时，这是一个问题，”该论文的主要作者安德鲁塞登伯格说。“我们创建了这份清单，以帮助防止这种情况发生。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：数据分析论文