80小说网

手机浏览器扫描二维码访问

第7章 从预试验到持续监测（第4页）

P值的存在是因为不能对世界上的每个人都进行干预。

如果能对每个人都进行干预，那么测量结果就是干预的实际效果，就可以确切地知道有多少人改变了行为。

因为研究是基于选择的样本的，这就需要确定在多大程度上，基于样本的结果可以被推广至更大的人群。

样本越小，我们要做的推测就越多。

如果能对世界上一半的人而不是只对100个人进行干预和测量，我们会对测量结果的代表性更有信心，该结果也将更接近干预措施的真实效果。

预试验的样本量小，因此它很难让人相信干预措施可以改变所有人的行为。

这就是我们需要继续进行测试的原因之一。

如果行为改变有聚合效度，那么即使P=0.2，你也会想更多地了解干预的效果。

测试类似于预试验，但它会涉及更多的人，操作难度更大。

在这一阶段，需要确定扩大研究规模，衡量干预对行为的影响有多大，我们努力地想知道：“这样做值得吗？”

这比想象的要难很多。

事实证明，找到改变行为的干预措施相对容易，但找到值得推广的干预措施相对困难。

所以要进行测试验证，重点是获得持续的定量和定性反馈，同时还需要考虑“操作成本”

和“效应量”

的要求。

如果你很聪明（或者超级聪明），你可能会问为什么不直接从测试开始，毕竟，更大的样本量总是会带来更可靠的结论。

如果预试验唯一的目的在于证实需要用更大的样本再做一次测试，为什么一开始不从大样本着手，省去这额外的一步呢？

因为我说不可以。

预试验成本低廉，可以有效避免各种易于察觉的损失，比如，避免把钱浪费在无效的规模化干预上，避免因做大规模的蠢事而带来的损害。

你可能会争辩说，一次测试就可以找出这些问题，而且这样做只比预试验的成本稍高，在展示问题方面稍弱。

既然有P值揭示结果的准确程度，为什么要进行预试验？

我们可以把真正的原因归结为一个简单的事实：失败会带来痛苦。

失败越大，痛苦就越大。

我们投入越多，就越不愿意失败，越容易忽视证明措施无效的种种迹象，这又回到干预设计过程所努力防范的确认偏见。

预试验的主要优势不在于样本量小，而在于它比测试的投入少，我们从而也更愿意去识别那些无效的干预措施。

这不仅是为了节省发送流感疫苗信件的邮费或者避免损害公司的名声。

记住，预试验中不完美的操作是为了避免大量资源的浪费及干预流程的中断。

尽管在现代商业社会，很多企业既没经过预试验也没进行测试，就推出了大量的大规模干预措施，但几乎没有人会说测试不好。

人们不做测试的原因是抑制这一努力的力量太强，而不是因为测试本身没有价值。

实际上，如果跳过简单的预试验，我们的干预验证周期就会更长。

用简单的数学计算就可以说明预试验的作用了——以三叶草健康医疗公司为例。

我们的行为科学团队将成员分成3人一组：1名定量研究员、1名定性研究员和1名项目经理。

1个小组每次做2个项目，每个项目平均8周，所以每个小组每年大约有12个项目。

每个项目需要预试验3～5项干预措施，因此每年有36～60次预试验。

我们通常有2～3个这样的小组，一个10人的行为科学团队每年总共可以进行180次预试验。

想象一下，你要实施“尽善尽美”

的大规模干预措施，同时P值要满足P

首先，因为还不存在标准化的操作程序（记住，一周要进行3次操作调整），你根本无法保证上述试验的速度。

其次，如果你是一个领导者，在进行大规模干预措施的过程中，你是否有勇气承认，50%的干预措施无效并应该被终止？即使你能做到，你的团队也不会答应，因为你把他们所有的时间都花在了这个项目上，却不能将其进行大规模推广。

预试验让我们没有太多的负担，也能避免确认偏见。