Stanley Young 스타니영 , 박사, CEO, CGStat LLC
Bob Obenchain, 박사, 주요 컨설턴트, Risk Benefit Statistics LLC
고란 크르스티치,프레이저 건강 관리국
대규모(관찰) 데이터 세트는 일반적으로 연구 기회를 제공하지만, 허위 주장으로 이어질 수 있는 문제도 제공합니다. 빅데이터에서 효과 추정치의 표준 오차는 표본 크기가 증가함에 따라 0이 되므로 작은 편향조차도 선언된(그러나 허위) 주장으로 이어질 수 있습니다. 또한, 효과 크기의 지역적 변동을 일으키는 교란 요인과 상호 작용할 때 치료 평균은 거의 의미가 없을 수 있습니다. 데이터 마이너는 이러한 편향의 근원을 간단하고 효율적으로 처리할 수 있는 통계적 방법이 필요합니다. 여기서는 JMP 추가 기능인 Moving Median과 새로운 JMP 플랫폼인 Local Control을 사용하여 두 데이터 세트를 분석하는 방법을 보여줍니다. 첫 번째 사례 연구에서는 환경 역학 데이터 세트에서 편향을 줄이는 방법을 설명합니다. 두 번째 연구에서는 시계열 대기 질 사례에 대한 Local Control을 사용합니다. 데이터 마이너는 상호 작용을 감지함으로써 빅데이터의 다양성과 이질성으로 인해 일반적으로 암시되는 편향을 줄이는 보다 현실적이고 관련성 있는 분석을 생성할 수 있습니다.
