而不是容易衡量生产力等

例如，研究人员可能会研究药物对患者的影响，并假设如果没有该药物，患者就不会出现副作用。然而，研究人员很容易忘记那些没有出现副作用的患者，因为他们在研究访问期间太忙于感觉良好，或者由于其他健康问题而无法忍受药物的副作用。 为了避免这种陷阱，研究人员应该始终记住，有很多因素会影响受试者对某些事物的反应或反应，而这些因素通常比实验本身发生的情况更重要。研究中有很多方法可以发现这种谬误。 一种方法是使用测量所有变量的实验，包括那些不容易测量的变量。

另一种方法是让知道如何分析难以衡量幸福或生产力等领域（领域）数据 伯利兹电话号码表 的人员来分析您的数据。 如何避免麦克纳马拉谬误 为了避免麦克纳马拉谬误，研究人员必须意识到他们的结果如何受到测量方法的影响，以及这些方法如何影响他们得到的结果。 避免这种谬论的最好方法是问自己这些问题： 我想要实现什么目标？ 我的研究会影响谁？ 以及 他们将受到什么影响？ 如果你仔细回答这些问题，你会发现你的研究更有可能只关注人们如何学习，而不是他们在哪些方面表现出色或表现不佳。



避免这种谬论的一个明显方法是查看您正在测量的内容。如果你的学习不专注于学习，那么你可能衡量的是表现而不是学习。 例如，如果您的研究重点是与学校其他学生相比，有多少学生在数学或阅读方面表现良好，这就是麦克纳马拉谬误的一个例子，因为它关注的是表现而不是学习。 结论 如果没有正确答案怎么办？如果您的数据无法使用怎么办？如果您的样本量太小怎么办？如果您没有时间分析所有数据怎么办？麦克纳马拉谬误说，所有这些事情都不重要，你应该尽可能多地测量，然后判断哪些结果有用。 但这是错误的！您需要做的不仅仅是测量；你需要使用你的测量来更好地了解你周围的世界，只有这样我们才能发展出关于事物如何运作的理论。