《调查统计与方法学杂志》(JournalofSurveyStatisticsandMethod)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差异很大，而且经常包含错误。包含这些错误分析的出版物会产生可能误导政策制定者、研究人员和从业人员的结果。这里的研究人员提出了新的标准，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，可以产生对总体的无偏估计。例如，总体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群的样本量。但是，复杂样本与简单的随机样本不同。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解释复杂的样品设计特征。未能考虑复杂的设计特征可能会导致有偏见的估计和对材料的不正确解释。

2016年的一篇论文分析了科学家和工程师统计数据系统的数据，发现在方差估计中只有7.6%正确考虑了抽样。同一篇论文发现，略多于一半(54.5%)的论文在分析中正确解释了抽样权重，只有10.7%的论文使用了适当的亚群估计。对分析国家住院患者样本数据的出版物的单独审查发现，大约80%的论文没有考虑到样本的聚类和分层。另一项分析发现，在分析医疗保险当前受益人调查数据的论文中，只有不到一半的论文描述了适当的权重或方差估计。

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布分析。该清单被称为复杂样本调查分析的首选报告项目(或PRICSSA)，由17个重要项目组成，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，缺失的数据率和插补方法，有关删除的任何数据的信息，以及有关调查权重和方差估计的说明。除了清单之外，这里的研究人员还建议研究人员使用复杂的调查数据，提供所有相应的软件代码。

作者认为，这种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罪行。这里的研究人员强调，他们根据其他清单建模了他们的清单，例如广泛用于系统综述和荟萃分析的PRISMA清单，以及随机试验的标准CONSORT指南。

学者和机构在调查设计和数据收集方面投入了大量资源，试图产生准确的人口估计。正确分析此类数据需要研究人员将某些复杂的调查设计功能纳入他们的工作中。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政策制定者，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提高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不正确或无法复制时，这是一个问题，”该论文的主要作者AndrewSeidenberg说。“我们创建了这个清单，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：数据调查人员