応用科学者とのコラボレーションに関するアドバイス

私は統計学の大学院生であり、応用科学者（経済学者、森林学者など）とのいくつかの共同研究に関与しています。これらのコラボレーションは（ほとんどの場合）楽しいものであり、私は多くのことを学びますが、たとえば次のような複雑な問題もあります。

• 良い統計モデルが何であるかについての私の見解は、私の協力者の背景や彼らの分野での一般的な慣行と異なる場合があります。そのため、モデルを理解するのに苦労するか、習慣を変えることに消極的であるため、新しいことを試してみるように説得することは困難です。
• さまざまな統計的手法の使用を提案するとき、共同研究者がこれを彼らの「標準」手法に対する批判だと考える印象をしばしば受けます。しかし、統計的な知識や習慣について誰かを批判するつもりは決してありません
• そして最後に、もう1つの極端な例があります。一部の人々は期待しすぎています。彼らは、私が彼らの助けなしで奇跡的に彼らのデータから興味深い情報を抽出できると思います。もちろん、これは当てはまりません。特に、主題固有の背景を見逃した場合

おそらくもっと多くのポイントを考えることができますが、これらは私の頭に浮かんだ最初のものです。

私があなたに尋ねている質問は：

1. コラボレーションで同じまたは同様の困難を経験していますか？どのように彼らに立ち向かいますか？一般的に、あなたは良い統計協力者になるために何をしますか？
2. このトピックに関するサードパーティのリソース、つまり、統計学者と応用科学者とのコラボレーションに必要なソフトスキルはありますか？

注：この質問は、多かれ少なかれ逆で、この1。

あなたは良いアドバイスを得ていますが、あなたの経験が広がるにつれて、それは多様化します。

他の可能性が含まれます：

1. 科学者は、たとえば測定や、どのような関係が物理的（生物学的、なんでも）理にかなっているなど、かなりの主題の専門知識を持つ必要があります。あなたが彼らの専門知識を尊重していることを示すことは、良い関係を築くための自然で気の利いた方法です。

2. 科学者はあなたが知らない統計情報を知っているかもしれません。たとえば、ほとんどの天文学者は、多くの統計学者が知っているよりも不規則な時系列と非検出の問題について多くを知っています。多くの分野で循環統計が使用されていますが、これは完全な統計教育にもほとんど含まれていません。

3. グラフは多くの場合、共通語です。不思議なことに、経済学者は統計学を非常に形式的な方法で扱い（あなたのマイレージは異なるかもしれません）、主観性（意味、判断）を避けるために学校に通っているので、しばしばグラフを信用しません。

4. 時々あなたは後退する必要があります。科学者が何を期待しているのか分からず、単に分析や公開可能なものを要求するだけなら、彼らはあなたの時間を無駄にし、あなたはもっと良いことをしなければなりません。データが偶然の混乱である場合、それらをスマートな分析で救うことはできません。

常に脱出ルートを確立してください。条件には、（a）予備的な議論のみに同意すること、（b）時間またはその他のコミットメントの制限、（c）アドバイスに従わない場合に後退する権利、（d）共同の条件に関する何らかのアイデア-著者。科学者がもう少しだけ戻ってくる状況に注意してください。また、あなたがガス会社や配管工の人のように扱われている状況に注意してください。混乱を解消するために呼び出されますが、それが完了すると関係を維持する義務を感じません。

私は統計学者ではありませんが、ほとんどの科学者の同僚よりも多くの統計を知っている限り、経験から書きます。各当事者が互いを尊重する場合、関係は非常に実り多いものになります。

もちろん、あなたの態度がすべてです。もしあなたのクライアント/コラボレーターがあなたが（判断ではなく）支援するためにそこにいると感じたら、それは大いに役立つでしょう。しかし、それでも、ポップアップする問題があります。あなたが言及する2つの箇条書きが重要です。

まず、常に最高の科学を生み出してほしいと強調します。また、規律固有の慣習があるかもしれませんが、それはタスクを達成するためのより良い方法がないという意味ではありません。そのためには、2人の親友が次のようになります：（1）研究の質問、（2）モデルの仮定のすべて。「従来の」アプローチからRQへの回答を（不完全であっても）取得できる場合は、おそらく合理的です。仮定の違反があまりにもひどいものになった場合...その後、最高の科学を生み出したいという思いに戻ることができます。

私の反射があなたに役立つことを願っています。

ハードスキルはあなたの玄関口であり、ソフトスキルは実際にソリューションを実装するための鍵です。部屋の中で最も頭がいい人であっても、ポイントは獲得できません。

そうは言っても、自分で学ぶ必要はありません。陳腐な言い方をすれば、デールカーネギーの「友人と影響力を獲得する方法」は、実際にあなたをより良い人間にすることができます。同様に、行動経済学タイプのポッドキャストは、研究を浮き彫りにし、批判的に考えさせ、生き生きとさせるのに適しています。たとえば、フリーコノミクスを参照してください。

読むことと聞くことは素晴らしいことですが、良い結果を得るためには、実際に行動を変える必要があります。

あなたの場合に限って、私はすべての方法を試し、合意された「良さ」の指標と比較することで成功しました。どのモデルが最適かを客観的にテストできるかどうかを議論する必要はありません。これは、エラーの最小化、最良の説明値の取得、最良の「ストーリー」の生成などにあります。