[#沈旭暉] 連日分享了不少朋友對修訂《逃犯條例》引起群眾運動的大數據研究，反映近年數據民間化、學術多樣化，本來的小圈子研究氛圍開始慢慢改變，同時亦改變了新一代面對問題及決策方式。
根據傳統決策統計學模型，要決定一個行為（無論是改變版面的按鈕、或是行動升級）有效還是無效，往往是透過A/B測試(A/B Testing)來處理。所謂的A/B 測試，就是透過隨機將實驗者導入兩個不同的設計環境A 和B (多數A是原來的設計，B是加入了新行為的設計)，然後比較他們面對設計環境的不同反應，從而了解新設計是否有效改變實驗者的行為。這樣的思考模式被上一代社會科學研究視為金科玉律，因此不論是做民調研究，或是考慮政策選項，整個研究的設計，都在於尋找足夠的數據，處理好整套統計模型後，然後比較得出p-value跟alpha，p-value小於alpha，就代表這行為是統計學上有意義的。然後，負責決策的人會認為因為結果在統計學上有意義，放大這個行為在整個設計上有(或無)實際意義，從而決定某些行為是有用，還是無用。
然而，我們可以想像一個情況︰假如不斷延長參與實驗人數，或不斷重覆實驗次數，會得出甚麼樣的結果？可以合理預期，由於人數增加，可能得出截然不同的統計數據；因為次數增加，則可能得出一組不同實驗時期衍生的統計數據。這些「新數據」會得出不同p-value，甚至會有p-value大於alpha的情況，屆時我們就要問一個很重要的問題︰那當初研究設計定下的取本數、或研究執行時數，有沒有問題？不少研究指出，假如A/B testing甚至A/A testing的觀察數很大，次數或時數很長，做出錯誤決定的機率(Type I error)可達3成以上。
帶來這個統計學思考，只是為了指出研究設計不同，決策環境差異，甚至如何定義「一個事件」，足以影響我們決定哪些行為是「有用」，哪些行為是「沒有用」。正如史丹福大學學者Ramesh Johari指出，以往的決策環境是「預先設計」，即我們會知道整個「實驗」的前設、執行方法、期望的參與人數等，而這個實驗是一個社會事件。但現實生活是，我們不可能預期所有事情都如上天安排美好，可以完美執行預先設定的實驗環境；改變行為、引進新設定的成本甚高，因此要中止實驗，以轉換行為及設定，先要理解轉換本身有沒有真正的意義。否則假如轉換後，我們可能要面對高達3成的Type I error，那為甚麼要轉換新策略？
套用此刻香港，運動一句常見口號是「Be Water」，既是借用武者李小龍的名言，也是勸導示威者要「流動」。從數據及決策研究而言，Be Water的意義，在於同時肯定不同示威之間的獨立性及連貫性，因此維持「和理非」還是變陣「勇武」，「勇武」升級還是不升級的決定，示威者跟「冷氣軍師」所面對的情景根本不同。「冷氣軍師」面對的，是以整場《逃犯條例》修訂風波終局，作為單一社會事件去思考，從而去判定「和理非」與「勇武」、或是「勇武」升級，更能促成達至「五大訴求 缺一不可」的終局，因此對於他們來說，「民意逆轉」是判斷行為有效與否的準則之一。而「衡量」民意逆轉，就是以一個單一A/B testing的方面，思考「勇武」行為對民意的影響。
但對前線示威者而言，《逃犯條例》修訂風波自打響了「勇武」第一次後，他們在每一次示威，都要問相同問題︰維持既定策略還是改變策略，更有效得到成果？思考及衡量標準既是「每次示威」計算，也是與之前的示威所得出的「結果」合流。因此，除非出現很大的期望落差，例如「佔領機場」及「堵塞港鐵」，否則維持既定策略的「見步行步」方針，不一定是「錯誤決定」，這就是continuous A/B testing。而正如上週另一文章談及，新世代特別擅長這種決策模式，和生長在android世代、習慣一切皆可以輕易變改，關係密不可分。
特別是當民意真的如流水，示威者感受到民意變化為常態，單一的下跌不足以影響整個民意大局，維持既定策略的最大好處 – 減少改變策略的成本，就成為合理化決策的另一個主要因素。而假如「冷氣軍師」跟前線示威者的決策環境已存有如此大的差異，從而得出對運動方向及策略得出不同思考及結論，連走上前線直接面對示威者勇氣也沒有的溝通平台，如何得出運動真相，更是另一回事了。
信報財經新聞2019年8月23日
https://simonshen.blog/2019/08/23/甚麼是continuous-a-b-testing？︰「be-water」的真正哲學/
p value計算 在 看板Statistics - [問題] p value計算 - 批踢踢實業坊 的八卦
大家好, 先請問板上的先進大大
共了兩組實驗
一個為控制組 (不給予日照,總數n=6) .另一為實驗組 (給予日照,總數n=6)
控制組其數據如下
1.1
2.5
1.2
3.0
1.4
4.2
平均 2.23
標準差 1.23
實驗組其數據如下
9.3
16.3
9.5
8.3
12.2
14.1
平均 11.61
標準差 3.13
想探討這兩組數據有沒有顯著差異, 想請問p value該怎麼算? 該用什麼檢定方法呢?
數年前我有修過一學期的統計,我現在卻只知道 p<0.05 or p<0.01 代表有顯著差異
該怎麼算卻是都不會. 麻煩版上大大能解答我的問題 , 非常謝謝.
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.218.19
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1411670489.A.BBC.html
※ 編輯: Butter34 (140.112.218.19), 09/26/2014 02:42:18
※ 編輯: Butter34 (140.112.218.19), 09/26/2014 02:42:42
... <看更多>