Consigli su collaborazioni con scienziati applicati

Sono uno studente laureato in statistica e come tale coinvolto in un paio di collaborazioni con scienziati applicati (economisti, silvicoltori, ...). Queste collaborazioni sono divertenti (il più delle volte) e imparo molto, ma ci sono anche alcune complicazioni, ad esempio:

• A volte la mia visione di cosa sia un buon modello statistico differisce dallo sfondo dei miei collaboratori e dalle pratiche comuni nel loro campo. È quindi difficile convincerli di provare qualcosa di nuovo, o perché fanno fatica a capire il modello o perché sono riluttanti a cambiare le loro abitudini
• Quando propongo di utilizzare diversi metodi statistici, ho spesso l'impressione che i miei collaboratori lo considerino una critica dei loro metodi "standard". Tuttavia, non è assolutamente mia intenzione criticare nessuno per le sue conoscenze o abitudini statistiche
• E infine c'è l'altro estremo: alcune persone si aspettano troppo. Pensano che io possa miracolosamente estrarre informazioni interessanti dai loro dati senza la loro assistenza. Certo, questo non è vero, soprattutto se mi manca lo sfondo specifico del soggetto

Probabilmente potrei pensare a più punti, ma questi sono i primi che mi sono venuti in mente.

Le domande che ti sto ponendo sono:

1. Provi le stesse o simili difficoltà nelle tue collaborazioni? Come li affrontate? In generale, cosa fai per essere un buon collaboratore statistico?
2. Esistono risorse di terze parti su questo argomento , ovvero le competenze trasversali necessarie nelle collaborazioni tra statistici e scienziati applicati?

Nota: questa domanda è più o meno il contrario di questa .

Stai ricevendo buoni consigli, ma man mano che la tua esperienza si allarga, si diversificherà.

Altre possibilità includono:

1. Gli scienziati dovrebbero avere una notevole competenza in materia, ad esempio sulla misurazione e sul tipo di relazioni che hanno senso fisico (biologico, qualunque cosa). Mostrare che rispetti le loro competenze è un modo naturale e congeniale per stabilire una buona relazione.

2. Gli scienziati potrebbero sapere cose statistiche che non conosci. Ad esempio, la maggior parte degli astronomi è a conoscenza delle serie temporali irregolari e dei problemi di non rilevazione rispetto a molti statistici. Molti campi utilizzano statistiche circolari, che raramente include persino un'istruzione statistica completa.

3. I grafici sono spesso una lingua franca . Curiosamente o no, gli economisti spesso diffidano dei grafici mentre sono istruiti per trattare le statistiche in modo altamente formale (il tuo chilometraggio può variare) ed evitare soggettività (significato, giudizio).

4. A volte è necessario arretrare. Se gli scienziati non sanno cosa si aspettano, ma semplicemente chiedono l'analisi o qualcosa pubblicabile, stanno sprecando il tuo tempo e hai cose migliori da fare. Se i dati sono un casino casuale, non possono essere salvati da alcuna analisi intelligente.

Stabilire sempre una via di fuga. Le tue condizioni potrebbero includere (a) l'accettazione solo della discussione preliminare (b) un limite al tuo tempo o altro impegno (c) il diritto di arretrare se non seguiranno il tuo consiglio (d) qualche tipo di idea sulle condizioni per co -paternità. Fai attenzione alla situazione quando uno scienziato continua a tornare per un po 'di più. Inoltre, fai attenzione alla situazione in cui sei trattato come una persona della compagnia del gas o un idraulico: sei chiamato a chiarire un pasticcio ma non sentono l'obbligo di mantenere una relazione una volta fatto.

Non sono uno statistico, ma scrivo per esperienza in quanto conosco più statistiche della maggior parte dei miei colleghi scienziati. Se ciascuna parte rispetta l'altra, la relazione può essere estremamente fruttuosa.

Certo, il tuo atteggiamento è tutto. Se i tuoi clienti / collaboratori sentono che sei lì per supportare, invece di giudicare, ciò farà molto. Ma anche allora ci sono problemi che si presentano. I due proiettili che menzioni sono fondamentali.

Innanzitutto, sottolinea sempre che vuoi che producano la migliore scienza, e mentre riconosci che ci possono essere convenzioni specifiche per disciplina, ciò non significa che potrebbero non esserci modi migliori per svolgere il compito. A tal fine, i tuoi due migliori amici sarebbero: (1) la domanda di ricerca e (2) qualsiasi e tutte le ipotesi del modello. Se la risposta ai QR può essere ottenuta (anche in modo imperfetto) dall'approccio "convenzionale", probabilmente sarà ragionevole. Se le violazioni delle ipotesi diventano troppo eclatanti ... allora puoi fare riferimento a voler produrre la migliore scienza.

Spero che le mie riflessioni ti siano utili.

Le abilità forti sono il tuo piede nella porta e le abilità morbide sono la chiave per implementare effettivamente una soluzione. Essere la persona più intelligente nella stanza non ti fa guadagnare punti.

Detto questo, non devi imparare da solo. Per quanto sia un cliché, Dale Carnegie's How to Win Friends and Influence People può davvero farti diventare una persona migliore. Allo stesso modo, i podcast di tipo economico comportamentale sono bravi a far emergere la ricerca, a farti pensare in modo critico e a mantenerla vivace. Vedi Freakonomics, per esempio.

Leggere e ascoltare sono fantastici, ma in realtà devi cambiare il modo in cui agisci per influire sui buoni risultati.

Specifico per il tuo caso, ho avuto successo provando tutti i metodi e confrontandomi con una metrica concordata di "bontà". Non è necessario discutere se è possibile verificare obiettivamente quale modello sia il migliore. Questo può essere nel minimizzare l'errore, avere il miglior valore esplicativo, produrre la migliore "storia", ecc.