Treatment Choice With Trial Data: Statistical Decision Theory Should Supplant Hypothesis Testing

Abstract

A central objective of empirical research on treatment response is to inform treatment choice. Unfortunately, researchers commonly use concepts of statistical inference whose foundations are distant from the problem of treatment choice. It has been particularly common to use hypothesis tests to compare treatments. Wald’s development of statistical decision theory provides a coherent frequentist framework for use of sample data on treatment response to make treatment decisions. A body of recent research applies statistical decision theory to characterize uniformly satisfactory treatment choices, in the sense of maximum loss relative to optimal decisions (also known as maximum regret). This article describes the basic ideas and findings, which provide an appealing practical alternative to use of hypothesis tests. For simplicity, the article focuses on medical treatment with evidence from classical randomized clinical trials. The ideas apply generally, encompassing use of observational data and treatment choice in nonmedical contexts.     

转型经济下民营企业家个体特质、情境对公司创业的驱动机制——基于QCA的探索性研究

在中国经济转型的大市场环境下,企业如何将公司创业的意愿成功付诸于创业行动,是学术界广泛讨论的话题。文章利用全国私营企业调查问卷表数据,以102家私营企业作为案例样本,通过模糊集定性比较分析(QCA)方法将企业家个体特质与情境两个层面整合,同时从这两个层面进一步细分,去探讨组态效应对公司创业的多重并发影响机制。经过数据分析可以获知,企业家的社群式身份是高公司创业活跃度的必要条件,且导致高公司创业活跃度有四条组态(路径)；导致非高公司创业活跃度的有一条组态(路径),两者之间存在非对称关系。     

大众传播中的“国家教师”媒介形象分析

运用传播学内容分析法，以中央媒体对获得"全国教书育人楷模"和"最美教师"荣誉称号的"国家教师"相关报道为研究对象，从外在和内在两个方面对大众传播的"国家教师"媒介形象进行分析。外在形象包括教师性别、年龄、教龄、外表、场景以及任教的学校类别、区域、学科专业等方面，内在形象包括职业精神、职业知识和职业能力等方面。研究发现，大众媒体对"国家教师"形象的刻画和宣传符合社会公众认知教师职业的基本逻辑，起到了传递教师精神、端正教师形象、唤起社会尊重教师的功效，但也存在城乡教师形象传播刻板化以及教师普通人形象展现不充分等问题，可在后续的传播中对"国家教师"形象的价值倾向进行适当调整。     

网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数，反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察，均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具，通过对列联表单元格频数进行拟合，可以识别流动表行分类与列分类之间的强弱交互效应，刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构，针对简约对数线性模型拟合精度不够的问题，提出一种新的建模思路：利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘，将发现的社区效应作为附加参数约束引入原对数线性模型，以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束，因此仍可以保证建模结果的简洁性及理论意义，同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析，较好地解释了子代职业阶层与父代职业阶层间的关联模式。     

基于fused惩罚的稀疏主成分分析

本文旨在研究基于fused惩罚的稀疏主成分分析方法，以适用于相邻变量之间高度相关甚至完全相等的数据情形。首先，从回归分析角度出发，提出一种求解稀疏主成分的简便思路，给出一种广义的稀疏主成分模型—— GSPCA模型及其求解算法，并证明在惩罚函数取1-范数时，该模型与现有的稀疏主成分模型——SPC模型的求解结果一致。其次，本文提出将fused惩罚与主成分分析相结合，得到一种fused稀疏主成分分析方法，并从惩罚性矩阵分解和回归分析两个角度，给出两种模型形式。在理论上证明了两种模型的求解结果是一致的，故将其统称为FSPCA模型。模拟实验显示，FSPCA模型在处理相邻变量之间高度相关甚至完全相等的数据集上的表现良好。最后，将FSPCA模型应用于手写数字识别，发现与SPC模型相比，FSPCA模型所提取的主成分具备更好的解释性，这使得该模型更具实用价值。     

南京中山植物园游憩功能满意度评价研究

随着植物园"旅游经济"的发展,植物园在承担植物科学研究及科普功能的同时,也成为公众日常休闲的重要绿地。本文选取南京中山植物园作为研究对象,建立评价体系并运用模糊综合评价法对游客满意度进行研究,探寻影响植物园游憩功能的显著因子,为未来植物园规划设计提供参考。结果表明:游客对南京中山植物园的游憩功能达到基本满意水平。其中,植物物种多样性、景区分布、建筑景观、声景观的满意度较高,滨水景观的满意度评价值较低。通过Pearson相关系数发现植物色彩丰富度、科普场所、科普内容是影响游客满意度的显著因子。运用IPA图对16项评价因子进行重要度-满意度分析,并对各象限内的因子提出改进方向。最后基于游憩功能满意度评价结果,提出改进策略:加大对植物园休息设施、卫生设施、娱乐设施和商业服务设施的投入;更新科普方式,增添特色游憩主题园区;完善现有道路体系,增强对北部专类园的可达性;增加色叶植物的种类、提高色彩丰富度等。以期为中山植物园游憩功能的优化及其他植物园的规划设计提供借鉴。     

Heteroscedastic Global Tests that the Regression Parameters for Two or More Independent Groups are Identical

Simulation results are reported on methods that allow both within group and between group heteroscedasticity when testing the hypothesis that independent groups have identical regression parameters. The methods are based on a combination of extant techniques, but their finite-sample properties have not been studied. Included are results on the impact of removing all leverage points or just bad leverage points. The method used to identify leverage points can be important and can improve control over the Type I error probability. Results are illustrated using data from the Well Elderly II study.     

Carbon Emissions Abatement (CEA) allocation and compensation schemes based on DEA

As environment constraints on economic growth are strengthening, Carbon Emissions Abatement (CEA) allocation becomes a significant issue that draws academia׳s attention. In the literature, the Data Envelopment Analysis (DEA) technique has been applied to obtain CEA allocation with centralized models. Nevertheless, a centralized allocation plan suffers from an implementation difficulty in persuading decision-making units (DMUs) into an agreement. In this paper, we propose a new two-step method to mitigate this side effect. In the first step, we provide improved DEA-based centralized allocation models under the assumptions of constant returns-to-scale (CRS) and variable returns-to-scale (VRS) respectively and in the second step, two compensation schemes are developed for centralized allocation plans. An empirical application to the countries in Organization for Economic Co-operation and Development (OECD) is presented to elaborate the main idea.     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型，简称FEPA，由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集，应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF），然后通过主成分分析将分解后的数据降维，提取最有信息量的特征；然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想，有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达，提供了今后融合更多信息的算法接口；2）通过多步长预测输出深入研究EMD分解的有效信息结构；3）通过切换到更细时间框架来处理EMD的端点效应，并探索了两级时间框架下的预测效果；4）给出了金融时间序列组合预测模型的一般性架构，具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证，结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%，在澳大利亚股指日线上也达到了74%的命中率，经比较，明显高于文献中常见的5种模型。     

Introduction: making the case for qualitative interviews

ABSTRACT

We introduce four papers comprising a Themed Section for this issue of the International Journal of Social Research Methodology, which together ‘Make the Case for Qualitative Interviews’. Here our aim is to show how this collection provides a timely contribution to key debates concerning the value of qualitative interviews, particularly as these are employed and analysed in much recent social scientific thinking. We explore ways to move beyond recent, sometimes constraining and occasionally dismissive, approaches to interviews in the social sciences through reframing and reconfiguring central questions germane to these debates. We also seek to challenge a broader neo-liberal trend towards valuing quantitative over depth qualitative research. Through this Introduction, and the collection of papers that follows, we seek to re-establish the value of qualitative interviews by shifting the focus from a preoccupation with what interviews can be said to do, towards questions centring on what can be done with interviews.