7 months ago

最近去生統系聽個演講 演講在討論流行病學研究裡面有兩個典範/原則

  1. mechanistic paradigm (MP)
  2. agnostic paradigm (AP)

我對這兩個概念的理解如下--

MP的觀點認為 資料分析的有效性決定於我們怎樣妥善的model流行病傳染的過程
只要我們用的是一個好的模型 分析的成果就是有科學意義的

AP的觀點認為 資料分析的有效性取決於如果使用好的統計工具來分析資料 --
我們使用的工具是否robust, 背後的數學假設是否夠很容易滿足, 是否有機率理論的背書...
當這些條件滿足 則認為這套分析是有效的

我覺得這套觀點很有意思 因為不只是在流行病學研究
只要有在跟科學家合作做應用統計 就會發現這兩種價值的衝突是家常便飯

我的經驗裡 科學家大多抱持MP的觀點
你如何有效的model資料產生的過程是科學理論的核心概念

統計學家的訓練 還有許多從事機率理論研究的人通常抱持AP的觀點
所以我們在乎的是能否使用一個"理論上"比較好的分析工具 一套方法理論的收斂性是否很好 等等...

某些理想狀態下是可以兩者兼具的
舉例來說 你可以靠科學模型來幫你建立回歸函數(regression function; E(Y|X=x))
然後誤差的部分則不指定一個模型
靠著AP的方法來使用一個假設性較弱的分析工具
但這畢竟是少數狀況

許多時候 魚與熊掌不可兼得
MP的模型可能太複雜以致於無從分析起
(很多時候 複雜模型會具有許多局部最佳解 要找到真正最佳解幾乎是不可能的事情)
而AP的模型僅僅是一個現象學的模型
無法直接給你科學的洞察

像我一直在宇宙學裡研究的cosmic webs
(剛好最近有篇新文章+新聞: http://newscenter.lbl.gov/2018/04/10/distortions-ancient-space-light-reveal-clearer-picture-cosmic-web-filaments/)
就是一個MP幾乎做不了 AP的成果只能給你一個粗略的現象學模型
雖然可以推論一些的天體物理效應 卻難以用來回答宇宙學的一些核心問題
(我本來想說constrain cosmology... 但這句話實在太難翻譯成中文了--做宇宙學的朋友應該能懂我的意思)
並且有些科學家對於AP的現象學成果會不以為然
認為那並沒有真正回答重要的科學問題

這兩種價值觀的衝突已經碰過很多次了
但實在難以用言語形容
結果很巧的在一場演講裡面聽到
覺得MP和AP的概念實在形容的太貼切了

而這個衝突是由流行病學家所提出的我並不意外
因為流行病學的確是一個兩個族群人數相當的領域
(科學界會是MP遠多於AP 統計界則是AP遠多於MP)

實在頗有意思的概念

← 大數據與偏差樣本
 
comments powered by Disqus