Ósvikin fylgni
Hvað er óheppileg fylgni?
Í tölfræði vísar falskur fylgni (eða spuriousness) til tengsla milli tveggja breyta sem virðist vera orsakasamhengi en er það ekki. Með ófullnægjandi fylgni, eru hvers kyns ósjálfstæði milli breyta eingöngu vegna tilviljunar eða eru báðar tengdar einhverjum óséðum ruglingi.
Skilningur á rangri fylgni
Ósvikin tengsl virðast í upphafi sýna að ein breyta hefur bein áhrif á aðra, en það er ekki raunin. Þessi villandi fylgni stafar oft af þriðja þætti sem er ekki áberandi við skoðun, stundum kallaður ruglingsþáttur.
Þegar tvær slembibreytur fylgjast náið með hvor annarri á línuriti er auðvelt að gruna fylgni þar sem breyting á annarri breytu veldur breytingu á hinni breytunni. Að teknu tilliti til orsakasamhengi, sem er annað umræðuefni, getur þessi athugun leitt til þess að lesandi töflunnar trúir því að hreyfing breytu A sé tengd hreyfingu í breytu B eða öfugt.
Hins vegar getur nánari tölfræðileg athugun leitt í ljós að samræmdar hreyfingar séu tilviljunarkenndar eða af þriðja þætti sem hefur áhrif á breyturnar tvær. Þetta er svikin fylgni. Rannsóknir sem gerðar eru með litlum úrtaksstærðum eða handahófskenndum endapunktum eru sérstaklega næmar fyrir ranglæti.
Koma auga á ranglæti
Augljósasta leiðin til að koma auga á rangt samband í rannsóknarniðurstöðum er að nota skynsemi. Þó að tvennt gerist og virðist vera tengt þýðir það ekki að það séu engir aðrir þættir að verki. Hins vegar, til að vita með vissu, eru rannsóknaraðferðir skoðaðar á gagnrýninn hátt.
Í rannsóknum ættu allar breytur sem gætu haft áhrif á niðurstöðurnar að vera með í tölfræðilegu líkaninu til að stjórna áhrifum þeirra á háðu breytuna.
Ósvikin fylgni
Mörg svikin sambönd er hægt að bera kennsl á með því að nota skynsemi. Ef fylgni finnst eru venjulega fleiri en ein breyta í spilinu og breyturnar eru oft ekki augljósar strax.
Dæmi um óheppileg fylgni
Auðvelt er að finna áhugaverðar fylgnir, en margar munu reynast vera rangar. Þrjú dæmi eru pilslengdarkenningin, ofurskálavísirinn og leiðbeinandi fylgni milli keppnis- og háskólaloka.
Kenning um pilslengd: Pilslengdarkenningin er upprunnin á 2. áratug 20. aldar og heldur því fram að pilslengd og stefna hlutabréfamarkaðarins hafi fylgni. Ef pilslengdirnar eru langar er fylgnin sú að hlutabréfamarkaðurinn er bearish. Ef skyrtulengdirnar eru stuttar er markaðurinn bullish.
Super Bowl Indicator: Seint í janúar er oft spjallað um svokallaðan Super Bowl vísir, sem bendir til þess að sigur bandaríska fótboltaráðstefnunnar þýði líklega að hlutabréfamarkaðurinn muni lækka á komandi ári, en sigur landsmótsliðsins í knattspyrnu boðar hækkun á markaðnum. Frá upphafi Super Bowl tímabilsins hefur vísirinn verið nákvæmur í um 74% tilvika, eða 40 af 54 árum, samkvæmt OpenMarkets. Þetta er skemmtilegt samtal en líklega ekki eitthvað sem alvarlegur fjármálaráðgjafi myndi mæla með sem fjárfestingarstefnu fyrir viðskiptavini.
Menntun og kynþáttur: Félagsvísindamenn hafa lagt áherslu á að greina hvaða breytur hafa áhrif á námsárangur. Samkvæmt rannsóknum stjórnvalda höfðu 56% hvítra 25 til 29 ára lokið háskólaprófi árið 2019, samanborið við aðeins 36% svartra einstaklinga á sama aldri. Merkingin er sú að kynþáttur hefur orsakaáhrif á framhaldsnám í háskóla.
Hins vegar getur verið að það sé ekki kynþátturinn sjálfur sem hefur áhrif á menntun. Niðurstöðurnar gætu einnig stafað af áhrifum kynþáttafordóma í samfélaginu, sem gæti verið þriðja „fala“ breytan. Kynþáttafordómar hafa áhrif á litað fólk, sem setur það í bága við menntun og efnahagslega. Sem dæmi má nefna að skólar í samfélögum sem ekki eru hvítir standa frammi fyrir meiri áskorunum og fá minna fjármagn, foreldrar sem ekki eru hvítir hafa lægri launuð störf og færri fjármuni til að verja til menntunar barna sinna og margar fjölskyldur búa í matareyðimörkum og þjást af vannæringu. . Kynþáttafordómar, frekar en kynþáttur, gæti verið litið á sem orsakabreytu sem hefur áhrif á menntun.
##Hápunktar
Útlit orsakasambands er oft vegna svipaðrar hreyfingar á korti sem reynist vera tilviljun eða orsakast af þriðja „ruglandi“ þættinum.
Ósvikin fylgni, eða spuriousness, á sér stað þegar tveir þættir virðast tilfallandi tengdir hver öðrum en eru það ekki.
Til að staðfesta orsakasamhengi þarf rannsókn sem stýrir öllum mögulegum breytum.
Tölfræðimenn og vísindamenn nota vandlega tölfræðilega greiningu til að ákvarða svikin tengsl.
Ósvikin fylgni getur stafað af litlum úrtaksstærðum eða handahófskenndum endapunktum.
##Algengar spurningar
Hvað er óviðeigandi afturför?
Spurious regression er tölfræðilegt líkan sem sýnir villandi tölfræðilegar vísbendingar um línulegt samband; með öðrum orðum, falsk fylgni milli óháðra óstöðugra breyta.
Hvað er dæmi um fylgni en ekki orsakasamband?
Dæmi um fylgni er að meiri svefn leiðir til betri frammistöðu yfir daginn. Þó að það sé fylgni er það ekki endilega orsakasamband. Meiri svefn er kannski ekki ástæðan fyrir því að einstaklingur stendur sig betur; til dæmis gætu þeir verið að nota nýtt hugbúnaðartæki sem eykur framleiðni þeirra. Til að finna orsakasamhengi verða að liggja fyrir staðreyndir úr rannsókn sem sýnir orsakasamband á milli svefns og frammistöðu.
Hvernig á að koma auga á óviðeigandi fylgni?
Tölfræðimenn og aðrir vísindamenn sem greina gögn verða alltaf að vera á varðbergi fyrir röngum tengslum. Það eru fjölmargar aðferðir sem þeir nota til að bera kennsl á þær, þar á meðal:- Að tryggja rétt dæmigert úrtak- Að fá fullnægjandi úrtaksstærð- Að gæta sín á handahófskenndum endapunktum- Að stjórna fyrir eins mörgum ytri breytum og mögulegt er- Nota núlltilgátu og athuga með sterka p -gildi
Hvað er falskt orsakasamband?
Falskt orsakasamband vísar til þeirrar forsendu að eitt valdi einhverju öðru vegna tengsla þeirra á milli. Til dæmis gætum við gengið út frá því að Harry hafi æft stíft til að verða hraðari hlaupari vegna þess að hlaupatímar hans hafa batnað. Hins vegar gæti raunveruleikinn verið sá að keppnistímar Harrys hafi batnað vegna þess að hann er með nýja hlaupaskó sem eru framleiddir með nýjustu tækni. Upphafleg forsenda var rangt orsakasamhengi.
