Ещё немного полировки

Author: d-r-q

azhidkov.pro/content/posts/25/10/maintable-backend-report.adoc

@@ -36,7 +36,7 @@ tags:
 
 == TL;DR — ключевые выводы
 
-* **Статистически достоверные факторы поддерживаемости:** отсутствие циклов между модулями и в модели данных (на границе значимости), соблюдение ISP, разумное применение шаблонов проектирования;
+* **Статистически достоверные по Cramer’s V факторы поддерживаемости:** отсутствие циклов между модулями и в модели данных (на границе значимости), соблюдение ISP, разумное применение шаблонов проектирования;
 * **Погранично значимые факторы:** применение ER-диаграмм; соблюдение CQS, и принципов дизайна компонентов (ADP,  SDP и др.); использование (микро)сервисной архитектуры и минимизация синхронных вызовов между сервисами; высокий процент покрытия тестами и раннее тестирование; наличие гайдлайна разработки; 
 * **Статистически слабые, но показательные тренды:** проекты, где использовались простые подходы к моделированию данных и доступу к ним (плоская модель и агрегаты, SQL и легковесные ORM), а так же контролировалось количество зависимостей, чаще воспринимались как поддерживаемые; детройтская школа тестирования повышает уверенность в тестах;
 * **Ложные ожидания:** SRP, OCP, LSP, закрытые слои (запрет обращений к репозиториям из контроллеров), модульные монолиты, парадигма (ООП/ФП/ПП) и школа тестирования не оказывают достоверного влияния на поддерживаемость; DIP оказывает статистически значимый *отрицательный* эффект на поддерживаемость;
@@ -114,14 +114,23 @@ tags:
 Они отражают вероятные тенденции, которые требуют дополнительной проверки, но *уже дают основание для практических выводов*.
 Такие тренды часто сопровождаются высоким значением Cramer’s V > 0.2 при p-value 0.15-0.45 или заметным различием в процентах между группами.
 
+[NOTE]
+====
+Методологическое примечание про Pseudo R² в логистической регрессии:
+
+* Pseudo R² отражает предсказательную мощность модели и обычно принимает низкие значения в поведенческих/социальных данных; его нельзя напрямую сопоставлять с Cramer’s V (мерой силы связи в χ²-анализе).
+* В отчёте мы отдельно показываем: силу связи по Cramer’s V и предсказательную мощность (Pseudo R²) для логистики, а также указываем 95% CI и OR.
+* «Статистическая значимость» (p < 0.05) не тождественна «практической значимости»: низкий Pseudo R² означает, что фактор полезен как сигнал, но сам по себе объясняет небольшую долю вариативности.
+====
+
 == Как писать поддерживаемые кодовые базы backend-приложений
 
 === Рекомендации, основанные на статистически достоверных факторах
 
 **Соблюдать Interface Segregation Principle.**
 
 * Очень сильная и статистически значимая связь с поддерживаемостью (χ² ≈ 23.51, p ≈ 0.00027, Cramer’s V ≈ 0.63).
-* Логистическая регрессия подтверждает независимый вклад ISP при совместном учёте SOLID (N = 60): β ≈ 0.736 (OR ≈ 2.09; 95% CI OR ≈ [1.01; 4.33]), p ≈ 0.048; значимость модели в целом LLR p ≈ 0.0095.
+* Логистическая регрессия подтверждает независимый вклад ISP при совместном учёте SOLID (N = 60): β ≈ 0.736 (OR ≈ 2.09; 95% CI OR ≈ [1.01; 4.33]), p ≈ 0.048; значимость модели в целом LLR p ≈ 0.0095; Pseudo R² ≈ 0.19.
 * В поддерживаемых проектах принцип соблюдался почти всегда: при ответах «часто», «иногда» и «всегда» подавляющее большинство систем оценивались как поддерживаемые.
 Напротив, ответы «редко» и «никогда» почти полностью соответствовали неподдерживаемым проектам.
 * Интерпретация: соблюдение ISP уменьшает сложность интерфейсов и локальные зависимости, что облегчает понимание системы.
@@ -290,6 +299,14 @@ tags:
 * Ни Лондонская (проверка взаимодействий), ни Детройтская (проверка состояния) школа не показали преимуществ в восприятии поддерживаемости (χ² ≈ 0.45, p ≈ 0.8, Cramer’s V ≈ 0.09).
 * Интерпретация: важнее наличие тестов и их достаточность, чем конкретный стиль.
 
+== Ограничения и угрозы валидности
+
+* Размер выборки: N ≈ 60 — пилотная, исследовательская выборка; результаты трактуем как ассоциации/сигналы, требующие репликации на большей выборке;
+* Субъективность переменных: зависимая переменная — восприятие поддерживаемости; независимые — самоотчёт о практиках (шкалы «никогда/редко/…»). Возможны различия трактовок и смещения памяти/соц. желательности;
+* Неоднородность проектов: индустрии, стеки, возраст и размеры различаются; это повышает дисперсию оценок;
+* Множественные проверки: множество гипотез повышает риск ложноположительных; p-values приводятся без корректировки, ключевые выводы подтверждаются несколькими метриками (χ², Cramer’s V, логистика с OR/CI); 
+* Практическая значимость: для однофакторных логистических моделей Pseudo R² низкий (≈ 0.03–0.06), поэтому выводы интерпретируются как направляющие сигналы, а не как сильные предикторы.
+
 == Исходные данные
 
 Файл с исходными данными, а также Python-скрипты анализа некоторых из характеристик доступны в https://github.com/ergonomic-code/Research-Maintable-Backends[репозитории исследования].