Confidence Interval (CI) သို့မဟုတ် ယုံကြည်မှုကြားကာလ

Confidence Interval (CI) သို့မဟုတ် ယုံကြည်မှုကြားကာလ

Confidence Interval (CI) ဆိုတာ ကိန်းဂဏန်း သုတေသန (Quantitative Research) ရဲ့ ရလဒ်တွေကို အနက်ဖွင့်ဆိုရာမှာ မရှိမဖြစ်လိုအပ်တဲ့ အစိတ်အပိုင်းတစ်ခုပဲ ဖြစ်ပါတယ်။ ၎င်းဟာ ကျွန်တော်တို့ရဲ့ ရလဒ်တွေမှာ ဘယ်လောက်အထိ မရေရာမှု (uncertainty) ရှိသလဲဆိုတာကို ပြသတဲ့ အညွှန်းကိန်းတစ်ခု ဖြစ်ပါတယ်။

CI ရဲ့ အဓိပ္ပာယ်ဖွင့်ဆိုချက်နှင့် ရည်ရွယ်ချက်

ရိုးရိုးရှင်းရှင်း ပြောရရင်၊ Confidence Interval ဆိုတာ ကျွန်တော်တို့ လေ့လာမှုကနေ ရရှိလာတဲ့ ကောက်ချက် (ဥပမာ- ပျမ်းမျှရလဒ်၊ ခြားနားချက်၊ ဆက်စပ်မှု) ဟာ အမှန်တကယ် လူဦးရေ (actual population) မှာ ဘယ်နေရာမှာ ရှိနိုင်သလဲ ဆိုတာကို အပေါ်ဆုံးနဲ့ အောက်ဆုံး စာရင်းအင်းတန်ဖိုးများရဲ့ အပိုင်းအခြား (interval estimate of the range of upper and lower statistical values) အနေနဲ့ ခန့်မှန်းပေးတာပါ။

ဒီတန်ဖိုးတွေဟာ ကျွန်တော်တို့ စောင့်ကြည့်ရရှိခဲ့တဲ့ အချက်အလက်တွေနဲ့ ကိုက်ညီပြီး၊ အမှန်တကယ် လူဦးရေပျမ်းမျှတန်ဖိုး (actual population mean) ကို ဒီအကွာအဝေးအတွင်းမှာ ပါဝင်နိုင်ဖွယ်ရှိတယ်လို့ ယူဆပါတယ်။

ဥပမာအားဖြင့် 95% CI ကို သုံးတယ်ဆိုရင်၊ ဒီလို လေ့လာမှုကို အကြိမ်ပေါင်းများစွာ လုပ်ခဲ့မယ်ဆိုရင် အဲဒီအကြိမ် ၉၅% မှာ အမှန်တကယ် Population Parameter (တန်ဖိုး) ဟာ ဒီကြားကာလထဲမှာ ပါဝင်နေလိမ့်မယ်လို့ ယုံကြည်ရပါတယ်။

CI နှင့် Precision (တိကျမှု)

CI ရဲ့ အကျယ်အဝန်းက ကျွန်တော်တို့ရဲ့ ခန့်မှန်းချက် ဘယ်လောက် တိကျသလဲဆိုတာကို တိုက်ရိုက်ဖော်ပြပေးပါတယ်။

ကျယ်ပြန့်သော Confidence Interval (Wide CI):
ဒီလို ကျယ်လွန်းတဲ့ CI တွေက ခန့်မှန်းရာမှာ တိကျမှု မရှိခြင်း (imprecision) ကို ရောင်ပြန်ဟပ်ပြပါတယ်။ ဆိုလိုတာကတော့ ကျွန်တော်တို့ ရရှိတဲ့ ရလဒ်ဟာ အမှန်တကယ် တန်ဖိုးကနေ အများကြီး ကွာဝေးနိုင်တဲ့ အခြေအနေကို ပြတာပါ။

တိကျသော ခန့်မှန်းချက်များ:
နမူနာအရွယ်အစား (sample size) ကို တွက်ချက်တဲ့အခါမှာ CI (Margin of error) ကို သုံးပြီး လိုအပ်တဲ့တိကျမှုရဖို့ စီစဉ်ရပါတယ်။ Regression Discontinuity (RD) လိုမျိုး စမ်းသပ်မှု နည်းစနစ်များမှာဆိုရင်၊ ပိုမိုကျယ်ပြန့်တဲ့ bandwidth ကို အသုံးပြုခြင်းက တိကျမှု (precision) ကို တိုးစေတယ်လို့ ဆိုပါတယ်။

Point Estimate နှင့် CI ကို နှိုင်းယှဉ်သုံးသပ်ခြင်း

သုတေသန ရလဒ်တွေကို သုံးသပ်တဲ့အခါ CI ဟာ အရေးပါလာပါတယ်။ ဘာကြောင့်လဲဆိုတော့ လူတွေဟာ တန်ဖိုးတစ်ခုတည်း (single point estimate) ကိုသာ ကြည့်ပြီး ကောက်ချက်ဆွဲလေ့ရှိလို့ပါပဲ။

ရှောင်ရန် အချက်:
သုတေသီများဟာ ခန့်မှန်းထားတဲ့ ဆက်စပ်မှုတစ်ခုရဲ့ မရေရာမှု (uncertainty) ကို လျစ်လျူရှုပြီး တန်ဖိုးတစ်ခုတည်း (a single-point estimate) ပေါ်မှာသာ အာရုံစိုက်ပြီး အကျိုးသက်ရောက်မှုရဲ့ ခိုင်မာမှုကို အကဲဖြတ်တဲ့ Point-estimate-is-the-effect-ism ဆိုတဲ့ အမှားမျိုးကို မကျူးလွန်သင့်ပါဘူး။

စနစ်တကျ ဖော်ပြခြင်း:
ဒါကြောင့် ရလဒ်တစ်ခုကို ဖော်ပြတဲ့အခါ point estimate နှင့်အတူ confidence intervals (CI) ကိုပါ အမြဲတမ်း တွဲပြီး သုံးသပ်ဖော်ပြသင့် တယ်လို့ အကြံပြုထားပါတယ်။ CI ကို ဖော်ပြခြင်းဖြင့် တွေ့ရှိချက်က ဘယ်လောက်အထိ တိကျသလဲဆိုတာကို သိသာစေပါတယ်။

CI အသုံးပြုမှု ပုံစံများ (Examples)

လက်တွေ့ သုတေသန စာတမ်းတွေမှာ CI တွေကို အောက်ပါအတိုင်း တွေ့နိုင်ပါတယ်:

1.    Odds Ratio များ:
ဥပမာ- Odds ratio = 7.3 လို့ ရခဲ့ရင်၊ 95% CI 5.6 to 9.5 လို့ တွဲဖက်ဖော်ပြလေ့ရှိပါတယ်။ ဆိုလိုတာက အကျိုးသက်ရောက်မှုရဲ့ တန်ဖိုးအမှန်ဟာ 5.6 နှင့် 9.5 ကြားမှာ ရှိနိုင်တယ်လို့ ယုံကြည်ရပါတယ်။

2.    ပျမ်းမျှ ခြားနားချက်များ (Mean Differences):
ဥပမာ- သွေးနီဥ ပျမ်းမျှ ခြားနားချက်ဟာ 0.26 g/dL ရှိပြီး သူ့ရဲ့ 95% confidence intervals က0.36 to  0.15 ဖြစ်ကြောင်း ဖော်ပြထားတာမျိုး။

3.    အချိန်ကြာလာသည်နှင့်အမျှ ပြောင်းလဲမှု:
အခြားလေ့လာမှုတစ်ခုတွင် 95% confidence interval [CI 110.5 to 149.0] ရှိကြောင်းဆိုပြီး ဖော်ပြပါတယ်။

CI နှင့် စာရင်းအင်း နည်းလမ်းများ

စာရင်းအင်း ခွဲခြမ်းစိတ်ဖြာမှု အမျိုးမျိုးမှာ CI ရဲ့ အခန်းကဏ္ဍက ကွဲပြားပါတယ်-

Instrumental Variable (IV) ခန့်မှန်းချက်:
IV ခန့်မှန်းချက်မှာ အားနည်းသော ကိရိယာများ (weak instruments) ကို အသုံးပြုပါက တိကျမှု (precision) လျော့ကျသွားပြီး bias များလာနိုင်ပါတယ်။

Synthetic Control Method (SCM):
SCMလို နည်းလမ်းများမှာ standard error ဒါမှမဟုတ် p-value ကို အလိုအလျောက် ထုတ်ပေးခြင်းမရှိတဲ့အတွက်၊ ရလဒ်တွေကို ကောက်ချက်ဆွဲနိုင်ဖို့အတွက် test inversion ကို အသုံးပြုပြီး confidence intervals များကို ဖန်တီးတည်ဆောက်ရပါတယ်။

Hypothesis Testing နည်းလမ်းများနှင့် ကွာခြားချက်:
Randomization Inference (RI)နည်းလမ်းများ (ယေဘုယျအားဖြင့် Null Hypothesis ကို စမ်းသပ်သည့် နည်းလမ်းများ)မှာ ကောက်ချက်ချမှု (hypothesis testing) အတွက်သာ အဓိကထားပြီး confidence intervals များကို ထုတ်လုပ်ဖို့အတွက် မဟုတ်ကြောင်း သတိပြုရပါမယ်။

Confidence Interval (CI) ဆိုတာ သုတေသန ရလဒ်တစ်ခုရဲ့ တိကျမှုကို ဖော်ပြပေးတဲ့ လက်ခံထားတဲ့ ဘောင်တစ်ခုလိုပါပဲ။ ဒီဘောင်ကျယ်နေလေလေ၊ ကျွန်တော်တို့ရဲ့ ရလဒ်ဟာ မရေရာမှု (uncertainty) ပိုများလေလေ ဖြစ်ပါတယ်။ ဒါကြောင့် သုတေသီတွေဟာ ရလဒ်ရဲ့ တန်ဖိုး (point estimate) ကိုသာမကဘဲ ဒီဘောင်ကိုပါ ဂရုတစိုက်ကြည့်ရှုပြီး အနက်ဖွင့်ဆိုဖို့ လိုအပ်ပါတယ်။

နပေတိုး