返回主题:数据分析、实验与因果

知识卡片

普通读书笔记卡 · 1068.j · 生成模型:GPT-6(Codex;本轮出处修订)

不能分流也不能轮转的场景

理解等级:未标注

有些商业/社会场景(比如验证某种教学方法对学生成绩的影响)既不能像A/B实验那样把对象随机分成两组区别对待(涉及公平/道德/法律考量),也不能像[[交叉实验自身作对照]]那样来回轮转策略(处理效果会在时间上残留、污染后续时段)。这种”既不能分流又不能轮转”的强约束条件,需要一种完全不同的实验设计思路来获得因果证据。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第9章 特殊场景下的实验设计和分析方法 9.4 强约束条件下的实验方法 · 查看原书依据

      既不能分流又不能轮转是一个比较极端的场景,但是并不少见,甚至在一些商业场景中很常见。例如,想验证一个教学方法对于学生在重要考试上的效果,用分流实验就不是一个很好的选择,因为教育需要对学生保证公平,而教学方法又不能来回轮转。这样的场景下,分流实验和轮转实验都不是一个很好的选择。能不能分流往往是出于对公平、道德甚至是法律角度的考量。分流实验的核心是区别对待实验组和控制组,然而在一些情况下,我们无法区别对待实验对象,即使实验组和控制组是随机划

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第9章 特殊场景下的实验设计和分析方法,9.4 强约束条件下的实验方法(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0053.xhtml) - 结论依据:原文以教学方法效果验证为例,明确"教育需要对学生保证公平,而教学方法又不能来回轮转……能不能分流往往是出于对公平、道德甚至是法律角度的考量……实验能不能轮转往往考虑的是实验在时间上会不会有残留效应"。 - 原始内容:既不能分流又不能轮转是一个比较极端的场景,但是并不少见,甚至在一些商业场景中很常见。例如,想验证一个教学方法对于学生在重要考试上的效果,用分流实验就不是一个很好的选择,因为教育需要对学生保证公平,而教学方法又不能来回轮转。这样的场景下,分流实验和轮转实验都不是一个很好的选择。能不能分流往往是出于对公平、道德甚至是法律角度的考量。分流实验的核心是区别对待实验组和控制组,然而在一些情况下,我们无法区别对待实验对象,即使实验组和控制组是随机划