データマイニングにおけるバイアス調整：ラドンとオゾンの局所制御分析<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />スタンリーヤング Stanyoung CGStat LLC最高経営責任者
Bob Obenchain、PhD、リスクベネフィット統計LLCの主席コンサルタント
Goran Krstic、フレーザー保健局
大規模な（観察的な）データセットは通常研究の機会を示しますが、虚偽の主張につながる可能性のある問題も示します。 Big Dataでは、サンプル数が増えると効果推定の標準誤差がゼロになるため、小さな偏りでも宣言された（ただし誤った）主張につながる可能性があります。 さらに、効果の大きさに局所的な変動を生み出す交絡因子との相互作用があるとき、平均的な治療の意味はほとんど無意味です。 データマイナーは、これらの偏りの原因に簡単かつ効率的に対処できる統計的方法を必要としています。 ここでは、2つのデータセットを分析するためのJMPアドインであるMoving Medianと新しいJMPプラットフォームであるLocal Controlの使用方法について説明します。 私たちの最初のケーススタディは、環境疫学データセットにおける偏りの減少を示しています。2番目の研究では、時系列の大気質の例にローカルコントロールを使用しています。 相互作用を検出することで、データマイナーは、ビッグデータの多様性と不均一性によって通常暗示される偏りを減らす、より現実的でより関連性の高い分析を作成できます。
予測モデリング
