When assessing academic studies, me

When assessing academic studies, media members are often confronted by pages not only full of numbers, but also loaded with concepts such as “selection bias,” “p-value” and “statistical inference.”

Statistics courses are available at most universities, of course, but are often viewed as something to be taken, passed and quickly forgotten. However, for media members and public communicators of many kinds it is imperative to do more than just read study abstracts; understanding the methods and concepts that underpin academic studies is essential to being able to judge the merits of a particular piece of research. Even if one can’t master statistics, knowing the basic language can help in formulating better, more critical questions for experts, and it can foster deeper thinking, and skepticism, about findings.

Further, the emerging field of data journalism requires that reporters bring more analytical rigor to the increasingly large amounts of numbers, figures and data they use. Grasping some of the academic theory behind statistics can help ensure that rigor.

Most studies attempt to establish a correlation between two variables — for example, how having good teachers might be “associated with” (a phrase often used by academics) better outcomes later in life; or how the weight of a car is associated with fatal collisions. But detecting such a relationship is only a first step; the ultimate goal is to determine causation: that one of the two variables drives the other. There is a time-honored phrase to keep in mind: “Correlation is not causation.” (This can be usefully amended to “correlation is not necessarily causation,” as the nature of the relationship needs to be determined.)

Another key distinction to keep in mind is that studies can either explore observed data (descriptive statistics) or use observed data to predict what is true of areas beyond the data (inferential statistics). The statement “From 2000 to 2005, 70% of the land cleared in the Amazon and recorded in Brazilian government data was transformed into pasture” is a descriptive statistic; “Receiving your college degree increases your lifetime earnings by 50%” is an inferential statistic.

Here are some other basic statistical concepts with which journalism students and working journalists should be familiar:
•A sample is a portion of an entire population. Inferential statistics seek to make predictions about a population based on the results observed in a sample of that population.
•There are two primary types of population samples: random and stratified. For a random sample, study subjects are chosen completely by chance, while a stratified sample is constructed to reflect the characteristics of the population at large (gender, age or ethnicity, for example). There are a wide range of sampling methods, each with its advantages and disadvantages.
•Attempting to extend the results of a sample to a population is called generalization. This can be done only when the sample is truly representative of the entire population.
•Generalizing results from a sample to the population must take into account sample variation. Even if the sample selected is completely random, there is still a degree of variance within the population that will require your results from within a sample to include a margin of error. For example, the results of a poll of likely voters could give the margin of error in percentage points: “47% of those polled said they would vote for the measure, with a margin of error of 3 percentage points.” Thus, if the actual percentage voting for the measure was as low as 44% or as high as 50%, this result would be consistent with the poll.
•The greater the sample size, the more representative it tends to be of a population as a whole. Thus the margin of error falls and the confidence level rises.
•Most studies explore the relationship between two variables — for example, that prenatal exposure to pesticides is associated with lower birthweight. This is called the alternative hypothesis. Well-designed studies seek to disprove the null hypothesis — in this case, that prenatal pesticide exposure is not associated with lower birthweight.
•Significance tests of the study’s results determine the probability of seeing such results if the null hypothesis were true; the p-value indicates how unlikely this would be. If the p-value is 0.05, there is only a 5% probability of seeing such “interesting” results if the null hypothesis were true; if the p-value is 0.01, there is only a 1% probability.
•The other threat to a sample’s validity is the notion of bias. Bias comes in many forms but most common bias is based on the selection of subjects. For example, if subjects self-select into a sample group, then the results are no longer externally valid, as the type of person who wants to be in a study is not necessarily similar to the population that we are seeking to draw inference about.
•When two variables move together, they are said to be correlated.

Results (Thai) 1:

เมื่อประเมินวิชาการ สมาชิกสื่อมักจะเผชิญ โดยหน้าเลขไม่เต็มเท่านั้น แต่ยัง เต็มไป ด้วยแนวคิดเช่น "อคติเลือก "ไร้ค่า p"และ"สถิติอนุมาน"หลักสูตรสถิติมหาวิทยาลัยส่วนใหญ่ แน่นอน แต่ไปเป็นสิ่งที่ถ่าย ผ่านไป และลืมได้อย่างรวดเร็ว อย่างไรก็ตาม สำหรับสมาชิกสื่อและสาธารณะเสนอของหลายๆ มันเป็นความจำเป็นมากกว่าแค่อ่านศึกษาบทคัดย่อ เข้าใจวิธีการและแนวคิดที่หนุนดที่มีวิชาการเป็นความสามารถในการตัดสินข้อดีของชิ้นส่วนของงานวิจัย แม้ว่าหนึ่งไม่หลักสถิติ รู้ภาษาพื้นฐานสามารถช่วยในการกำหนดคำถามสำคัญสำหรับผู้เชี่ยวชาญดีกว่า และมันสามารถเสริมลึกและความคิด ความสงสัย เกี่ยวกับประเด็นเพิ่มเติม ฟิลด์เกิดใหม่ของวารสารศาสตร์ข้อมูลต้องการที่ผู้สื่อข่าวให้เข้มงวดมากขึ้นวิเคราะห์จำนวนมากขึ้นของตัวเลข ตัวเลข และข้อมูลที่ใช้ โลภบางทฤษฎีวิชาการหลังสถิติสามารถช่วยตรวจสอบที่เข้มงวดศึกษาส่วนใหญ่พยายามที่จะสร้างความสัมพันธ์ระหว่างตัวแปรสอง — เช่น การมีครูดีอาจเป็น "เกี่ยวข้องกับ" (วลีที่มักจะใช้ โดยนักวิชาการ) ดีกว่าผลลัพธ์ในชีวิต หรือว่าน้ำหนักของรถยนต์เกี่ยวข้องกับชนที่ร้ายแรง แต่ตรวจพบความสัมพันธ์ดังกล่าวเป็นเพียงตอนแรก เป้าหมายสูงสุดคือการ กำหนดทั้ง: ที่หนึ่งของตัวแปรสองไดรฟ์อื่น ๆ มีวลีผลงานที่ควรทราบ: "ความสัมพันธ์ไม่ทั้ง" (นี้สามารถได้ประโยชน์สูงสุดการเปลี่ยนแปลง "ความสัมพันธ์ไม่จำเป็นต้องทั้ง เป็นธรรมชาติของความสัมพันธ์ต้องได้รับการพิจารณา)ความแตกต่างสำคัญอื่นที่ควรทราบคือ ว่า ศึกษาสามารถสำรวจสังเกตข้อมูล (สถิติเชิงพรรณนา) หรือใช้ข้อมูลจากการสังเกตการคาดการณ์สิ่งที่เป็นจริงของพื้นที่นอกเหนือจากข้อมูล (สถิติอ้างอิง) คำสั่ง "จาก 2000 2005, 70% ของที่ดินเคลียร์ใน Amazon และบันทึกไว้ในข้อมูลรัฐบาลบราซิลได้กลายเป็นทุ่งหญ้า" เป็นสถิติอธิบาย "รับปริญญาวิทยาลัยการเพิ่มรายได้ของคุณตลอดชีวิต 50%"สถิติการอ้างอิงได้นี่คือบางอื่น ๆ สถิติแนวคิดพื้นฐานกับวิชาที่นักศึกษาและนักข่าวทำงานควรจะคุ้นเคย:•A อย่างเป็นส่วนของการใช้ประชากรทั้งหมด สถิติอ้างอิงพยายามคะเนเกี่ยวกับประชากรจากผลการสังเกตในตัวอย่างของประชากรที่•There มีสองหลักชนิดของตัวอย่างประชากร: สุ่ม และ stratified อย่างสุ่ม ศึกษาวิชาเลือกทั้งหมด โดยโอกาส ในขณะที่ตัวอย่างแบบ stratified สร้างขึ้นเพื่อสะท้อนถึงลักษณะของประชากรมีขนาดใหญ่ (เพศ อายุ หรือเชื้อ ชาติ ตัวอย่าง) มีหลากหลายวิธีการสุ่มตัวอย่าง มีข้อดีและข้อเสีย•Attempting การขยายผลลัพธ์ของตัวอย่างประชากรเรียกว่าลักษณะ นี้สามารถทำได้เฉพาะเมื่อตัวอย่างเป็นตัวแทนอย่างแท้จริงของประชากรทั้งหมด•Generalizing ผลลัพธ์จากตัวอย่างประชากรต้องนำเข้าบัญชีตัวอย่างรูป แม้ว่าตัวเลือก เป็นแบบสุ่มอย่างสมบูรณ์ ยังคงมีความแปรปรวนในประชากรที่จะต้องมีผลของคุณจากภายในตัวอย่างการรวมขอบของข้อผิดพลาด เช่น ผลของการสำรวจของผู้ลงคะแนนจะทำให้ขอบของข้อผิดพลาดในจุดเปอร์เซ็นต์: "47% ของผู้ที่สำรวจว่า พวกเขาจะออกเสียงวัด มีขอบของข้อผิดพลาด 3 คะแนนเปอร์เซ็นต์" ดังนั้น ถ้าเปอร์เซ็นต์แท้จริงที่ลงคะแนนเสียงสำหรับการวัดต่ำสุดที่ 44% หรือสูงถึง 50% ผลลัพธ์นี้จะสอดคล้องกับการสำรวจ•The มากกว่าตัวอย่างขนาด ตัวแทนมากกว่าที่จะเป็นของประชากรทั้งหมด จึงตกขอบของข้อผิดพลาด และระดับความเชื่อมั่นสูงขึ้น•Most การศึกษาสำรวจความสัมพันธ์ระหว่างตัวแปรสอง — แสงที่คลอดยาฆ่าแมลงอย่างเกี่ยวข้องกับ birthweight ต่ำ นี้เรียกว่าสมมติฐานทางเลือก ศึกษาออกแบบพยายามพิสูจน์สมมติฐานว่างซึ่งในกรณีนี้ แสงที่แมลงเพราะไม่เกี่ยวข้องกับ birthweight ต่ำ•Significance การทดสอบผลการศึกษาระบุโอกาสของการเห็นผลลัพธ์ดังกล่าวถ้าสมมติฐานว่างเป็นจริง ค่า p บ่งชี้ว่า น่าจะเป็น หากค่า p 0.05 มีเพียง 5% น่าจะเห็นเช่น "น่าสนใจ" ผลลัพธ์ถ้าสมมติฐานว่างเป็นจริง หากค่า p 0.01 มีความน่าเป็น 1% เท่านั้น•The ตัวอย่างใช้การคุกคามอื่น ๆ มีความคิดอคติ ความโน้มเอียงมาในหลายรูปแบบ แต่อคติที่พบมากที่สุดตามการเลือกวิชา เช่น ถ้าวัตถุที่ตนเองเลือกเป็นกลุ่มตัวอย่าง แล้วผลลัพธ์ถูกต้องไม่ภายนอก เป็นประเภทของบุคคลที่ต้องการการศึกษาไม่จำเป็นต้องเหมือนกับเรากำลังวาดสรุปเกี่ยวกับตัวแปรที่สอง •When ไปด้วยกัน พวกเขาจะกล่าวว่า มีความสัมพันธ์

Results (Thai) 2:

เมื่อมีการประเมินการศึกษาทางวิชาการ, สื่อมวลชนมักจะต้องเผชิญกับหน้าไม่เพียง แต่เต็มรูปแบบของตัวเลข แต่ยังเต็มไปด้วยแนวความคิดเช่น "เลือกอคติ", "p-value" และ "อนุมานทางสถิติ." สถิติหลักสูตรที่เปิดสอนในมหาวิทยาลัยส่วนใหญ่ของ แน่นอน แต่มักจะถูกมองว่าเป็นสิ่งที่จะต้องดำเนินการผ่านไปได้อย่างรวดเร็วและลืม อย่างไรก็ตามสำหรับสมาชิกสื่อและการสื่อสารของประชาชนหลายชนิดก็มีความจำเป็นที่จะทำมากกว่าบทคัดย่อการศึกษาเพียงแค่อ่าน; ทำความเข้าใจวิธีการและแนวคิดที่เป็นรากฐานของการศึกษาทางวิชาการเป็นสิ่งจำเป็นต่อความสามารถในการตัดสินประโยชน์ของชิ้นส่วนของการวิจัย แม้ว่าจะไม่สามารถหลักสถิติรู้ภาษาพื้นฐานที่สามารถช่วยในการกำหนดดีกว่าคำถามสำคัญมากขึ้นสำหรับผู้เชี่ยวชาญและสามารถส่งเสริมให้เกิดความคิดลึกและความสงสัยเกี่ยวกับการค้นพบ. นอกจากนี้สนามใหม่วารสารศาสตร์ข้อมูลที่ต้องการให้ผู้สื่อข่าวนำ ความรุนแรงมากขึ้นในการวิเคราะห์จำนวนมากขึ้นของตัวเลข, ตัวเลขและข้อมูลที่พวกเขาใช้ โลภบางส่วนของทฤษฎีทางวิชาการที่อยู่เบื้องหลังสถิติสามารถช่วยให้ความรุนแรงที่. การศึกษาส่วนใหญ่พยายามที่จะสร้างความสัมพันธ์ระหว่างสองตัวแปร - ตัวอย่างเช่นวิธีการที่มีครูที่ดีอาจจะมีการ "ที่เกี่ยวข้องกับ" (วลีที่ใช้บ่อยโดยนักวิชาการ) ผลลัพธ์ที่ดีกว่าในภายหลัง ชีวิต; หรือวิธีการที่น้ำหนักของรถที่มีความเกี่ยวข้องกับการชนร้ายแรง แต่การตรวจสอบความสัมพันธ์ดังกล่าวเป็นเพียงขั้นตอนแรก; เป้าหมายสูงสุดคือการตรวจสอบสาเหตุ: ว่าหนึ่งในสองตัวแปรไดรฟ์อื่น ๆ มีวลีเวลาเกียรติที่จะเก็บไว้ในใจคือ ". ความสัมพันธ์ไม่ได้เป็นสาเหตุ" (ซึ่งสามารถได้รับการแก้ไขให้เป็นประโยชน์เพื่อ "ความสัมพันธ์ไม่จำเป็นต้องทำให้เกิดผล" เป็นธรรมชาติของความสัมพันธ์จะต้องมีการกำหนด.) อีกความแตกต่างที่สำคัญในการ เก็บไว้ในใจก็คือว่าการศึกษาทั้งสามารถสำรวจข้อมูลการสังเกต (สถิติเชิงพรรณนา) หรือใช้ข้อมูลที่สังเกตจะทำนายสิ่งที่เป็นจริงของพื้นที่เกินข้อมูล (สถิติอนุมาน) คำสั่ง "จากปี 2000 ถึงปี 2005 70% ของที่ดินเคลียร์ใน Amazon และบันทึกไว้ในข้อมูลของรัฐบาลบราซิลก็กลายเป็นทุ่งหญ้า" เป็นสถิติเชิงพรรณนา; . "ได้รับปริญญาวิทยาลัยของคุณเพิ่มกำไรชีวิตของคุณโดย 50%" เป็นสถิติเชิงอนุมานนี่คือบางส่วนแนวคิดทางสถิติพื้นฐานอื่น ๆ ที่นักเรียนวารสารศาสตร์และนักข่าวที่ทำงานควรจะคุ้นเคย: •ตัวอย่างเป็นส่วนหนึ่งของประชากรทั้งหมด สถิติอนุมานหาทางที่จะทำให้การคาดการณ์เกี่ยวกับประชากรบนพื้นฐานของผลการปฏิบัติในตัวอย่างของประชากรที่เป็น. •มีสองประเภทหลักของกลุ่มตัวอย่างประชากรคือ: สุ่มและแบบแบ่งชั้น สำหรับตัวอย่างที่สุ่มอาสาสมัครการศึกษาได้รับการแต่งตั้งอย่างสมบูรณ์โดยบังเอิญในขณะที่กลุ่มตัวอย่างแบบแบ่งชั้นถูกสร้างขึ้นมาเพื่อสะท้อนให้เห็นถึงลักษณะของประชากรที่มีขนาดใหญ่ (เพศอายุหรือเชื้อชาติเช่น) มีความหลากหลายของวิธีการสุ่มตัวอย่างแต่ละคนมีข้อดีและข้อเสีย. ของ•ความพยายามที่จะขยายผลของตัวอย่างประชากรที่เรียกทั่วไป ซึ่งสามารถทำได้เฉพาะเมื่อกลุ่มตัวอย่างที่เป็นจริงที่เป็นตัวแทนของประชากรทั้งหมด. • Generalizing ผลที่ได้จากตัวอย่างประชากรที่ต้องใช้เวลาในการเปลี่ยนแปลงตัวอย่างบัญชี แม้ว่ากลุ่มตัวอย่างที่เลือกเป็นแบบสุ่มสมบูรณ์ยังคงมีระดับของความแปรปรวนภายในประชากรที่จะต้องมีผลลัพธ์ของคุณจากภายในกลุ่มตัวอย่างที่จะรวมถึงขอบของข้อผิดพลาดได้ ตัวอย่างเช่นผลของการสำรวจของแนวโน้มที่ผู้มีสิทธิเลือกตั้งจะให้อัตรากำไรขั้นต้นของข้อผิดพลาดในคะแนนร้อยละ "47% ของผู้ตอบแบบสอบถามกล่าวว่าพวกเขาจะลงคะแนนให้ตัวชี้วัดที่มีอัตรากำไรขั้นต้นของข้อผิดพลาดของ 3 คะแนนร้อยละ." ดังนั้นหาก การออกเสียงลงคะแนนร้อยละที่เกิดขึ้นจริงสำหรับมาตรการที่เป็นที่ต่ำเป็น 44% หรือสูงถึง 50% ผลนี้จะสอดคล้องกับการสำรวจความคิดเห็น. •มากขึ้นขนาดของกลุ่มตัวอย่างที่เป็นตัวแทนมากขึ้นก็มีแนวโน้มที่จะของประชากรโดยรวม ดังนั้นอัตรากำไรขั้นต้นของข้อผิดพลาดตกและระดับความเชื่อมั่นที่เพิ่มขึ้น. •การศึกษาส่วนใหญ่สำรวจความสัมพันธ์ระหว่างสองตัวแปร - ตัวอย่างเช่นว่าการสัมผัสสารกำจัดศัตรูพืชก่อนคลอดจะมีความเกี่ยวข้องกับน้ำหนักแรกเกิดต่ำ นี้เรียกว่าสมมติฐานทางเลือก การศึกษาการออกแบบที่ดีพยายามที่จะพิสูจน์สมมติฐาน - ในกรณีนี้ว่าการได้รับยาฆ่าแมลงก่อนคลอดไม่เกี่ยวข้องกับน้ำหนักแรกเกิดต่ำกว่า. •การทดสอบความสำคัญของผลการศึกษาของการตรวจสอบความน่าจะเป็นของการได้เห็นผลดังกล่าวถ้าสมมติฐานเป็นจริงนั้น P-ค่าบ่งบอกถึงวิธีนี้ไม่น่าจะเป็น ถ้า p-value 0.05 มีเพียงความน่าจะเป็น 5% ของการเห็นผลดังกล่าว "น่าสนใจ" ถ้าสมมติฐานที่เป็นจริง; ถ้า p-value เป็น 0.01 มีเพียงความน่าจะเป็น 1%. •ภัยคุกคามอื่น ๆ เพื่อความถูกต้องของตัวอย่างเป็นความคิดของอคติ อคติมาในหลายรูปแบบ แต่อคติที่พบมากที่สุดจะขึ้นอยู่กับการเลือกของอาสาสมัคร ตัวอย่างเช่นถ้าวิชาที่ตนเองเลือกลงในกลุ่มตัวอย่างที่ใช้แล้วผลลัพธ์ที่ไม่ถูกต้องจากภายนอกเช่นประเภทของคนที่อยากจะเป็นในการศึกษาไม่จำเป็นต้องเป็นคล้ายกับประชากรที่เรากำลังมองหาที่จะวาดข้อสรุปเกี่ยวกับ•เมื่อสองตัวแปรย้ายเข้าด้วยกันพวกเขาจะกล่าวว่ามีความสัมพันธ์