<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />斯坦利·杨（Stanley Young）斯坦永博士，CGStat LLC首席执行官
Bob Obenchain博士，风险收益统计有限责任公司首席顾问
戈兰·克斯蒂奇（Goran Krstic），弗雷泽健康管理局
大型（观测）数据集通常会带来研究机会，但也会带来可能导致虚假主张的问题。 在大数据中，效果估计的标准误会随着样本数量的增加而变为零，因此即使很小的偏差也会导致已声明（但为假）的声明。 此外，当与混杂因素相互作用而产生效应大小的局部变化时，平均治疗几乎毫无意义。 数据挖掘者需要能够简单有效地处理这些偏见来源的统计方法。 在这里，我们演示了如何使用JMP加载项“ Moving Median”和新的JMP平台“本地控制”来分析两个数据集。 我们的第一个案例研究说明了环境流行病学数据集中偏见的减少。我们的第二项研究在时间序列空气质量示例中使用了本地控制。 通过检测交互，数据挖掘者可以进行更现实，更相关的分析，从而减少通常由大数据的多样性和异构性所隐含的偏见。
