与应用科学家合作的建议

我是统计学专业的研究生，因此与应用科学家（经济学家，林务员等）进行了几次合作。这些协作很有趣（大部分时间），我确实学到了很多东西，但是也有一些复杂性，例如：

• 有时，我对一个好的统计模型的看法与我的合作者的背景以及他们所在领域的惯例不同。这样一来，很难说服他们尝试新的东西，要么是因为他们难以理解模型，要么是因为他们不愿意改变自己的习惯
• 当提议使用不同的统计方法时，我经常给人一种印象，我的合作者认为这是对他们的“标准”方法的批评。但是，我绝不是要批评任何人的统计知识或习惯
• 最后还有另一个极端：有些人期望过高。他们认为我可以在没有他们帮助的情况下从他们的数据中奇迹般地提取出有趣的信息。当然，这是不对的，特别是如果我错过了特定学科的背景

我可能会想到更多的要点，但这是我想到的第一个要点。

我要问的问题是：

1. 您在协作中遇到相同或相似的困难吗？你如何面对他们？通常，您如何做才能成为出色的统计合作伙伴？
2. 是否有任何有关此主题的第三方资源，即统计学家与应用科学家之间合作所需的软技能？

注意：这个问题或多或少相反的这一个。

您会得到很好的建议，但是随着您的经验的扩展，它会变得多样化。

其他可能性包括：

1. 科学家应该具有相当多的主题专业知识，例如在测量以及什么样的关系使身体（生物学上的，无论是什么上的）意义上。表明您尊重他们的专业知识是建立良好关系的自然而又愉快的方式。

2. 科学家可能知道您所不知道的统计资料。例如，与许多统计学家相比，大多数天文学家对不规则时间序列和非探测问题的了解更多。许多领域都使用循环统计，甚至连完整的统计教育也很少包含。

3. 图通常是通用语言。出于好奇与否，经济学家经常不信任图，因为他们受过教育以高度正式的方式处理统计信息（您的里程可能会有所不同），并避免主观性（含义，判断力）。

4. 有时您需要退后。如果科学家不知道他们的期望，而只是要求进行分析或发布某些东西，那么他们就是在浪费您的时间，您有更好的事情要做。如果数据杂乱无章，那么任何智能分析都无法挽救它们。

始终建立逃生路线。您的条件可能包括（a）仅同意初步讨论（b）限制您的时间或其他承诺（c）如果他们不听从您的建议则有权退回（d）关于合作条件的某种想法-作者。当科学家只是再回来多一点时要当心。另外，要当心对待您的情况，例如天然气公司或管道工的人：您被叫来清理一团糟，但是一旦完成，他们没有义务维持关系。

我不是统计学家，但据我所知，我的经验比大多数科学家同事都多。如果每一方都互相尊重，那么这种关系将会非常富有成果。

当然，您的态度决定一切。如果您的客户/合作伙伴感觉到您在支持而不是判断，那将大有帮助。但是，即使那样，仍然存在一些问题。您提到的两个项目符号是关键。

首先，始终强调您希望他们产生最好的科学，并且尽管您认识到可能存在针对特定学科的惯例，但这并不意味着可能没有更好的方法来完成任务。为此，您最好的两个朋友将是：（1）研究问题，（2）任何和所有模型假设。如果可以通过“常规”方法获得（甚至是不完美的）RQ的答案，那可能是合理的。如果对假设的违反变得太过苛刻...那么您可以参考想产生最好的科学。

希望我的思考对您有用。

硬技能是您迈出的第一步，软技能是实际实施解决方案的关键。成为房间中最聪明的人不会赢得积分。

话虽如此，您不必自己学习。尽管陈词滥调，戴尔·卡耐基（Dale Carnegie）如何赢得朋友和影响人》实际上可以使您成为一个更好的人。同样，行为经济学类的播客擅长进行研究，使您进行批判性思考并保持生动活泼。例如，参见《狂热经济学》。

读书和听力很棒，但实际上您必须改变自己的举止以影响良好的结果。

针对您的情况，通过尝试所有方法并将其与商定的“良好”指标进行比较，我取得了成功。无需争论是否可以客观地测试哪种模型最好。这可以最大程度地减少错误，具有最佳的解释值，产生最佳的“故事”等。