스퓨리어스 상관관계

스퓨리어스 상관이란 무엇입니까?

통계 에서 의사 상관 관계(또는 가짜)는 인과 관계가 있는 것처럼 보이지만 그렇지 않은 두 변수 간의 연결을 나타냅니다. 스퓨리어스 상관 관계를 사용하면 변수 간에 관찰된 종속성이 단순히 우연에 기인하거나 둘 다 보이지 않는 교란 요인과 관련됩니다.

스퓨리어스 상관 이해하기

가짜 관계는 처음에는 한 변수가 다른 변수에 직접적인 영향을 미치는 것으로 나타나지만 그렇지 않습니다. 이 오해 의 소지가 있는 상관 관계 는 종종 검사 시점에 명확하지 않은 제3의 요인(때로는 교란 요인이라고도 함)에 의해 발생합니다.

두 개의 랜덤 변수가 그래프에서 서로 밀접하게 추적할 때 한 변수의 변경이 다른 변수의 변경을 유발하는 상관 관계를 쉽게 의심할 수 있습니다. 또 다른 주제인 인과관계를 제쳐두고, 이 관찰은 차트의 독자로 하여금 변수 A의 움직임이 변수 B의 움직임과 연결되어 있거나 그 반대의 경우도 마찬가지라고 믿게 만들 수 있습니다.

그러나 더 면밀한 통계적 조사는 정렬된 움직임이 우연적이거나 두 변수에 영향을 미치는 제3의 요인에 의해 야기된 것임을 보여줄 수 있습니다. 이것은 가짜 상관 관계입니다. 작은 표본 크기 또는 임의의 끝점으로 수행된 연구는 특히 가짜에 취약합니다.

스퓨리어스 발견하기

연구 결과에서 잘못된 관계를 식별하는 가장 확실한 방법은 상식을 사용하는 것입니다. 두 가지 일이 발생하고 연결된 것처럼 보인다고 해서 다른 요인이 작용하지 않는다는 의미는 아닙니다. 그러나 확실히 알기 위해 연구 방법을 비판적으로 검토합니다.

연구에서 결과에 영향을 줄 수 있는 모든 변수는 종속 변수에 미치는 영향을 제어하기 위해 통계 모델에 포함되어야 합니다.

스퓨리어스 상관

많은 가짜 관계는 상식을 사용하여 식별할 수 있습니다. 상관 관계가 발견되면 일반적으로 둘 이상의 변수가 작동하고 변수가 즉시 명확하지 않은 경우가 많습니다.

스퓨리어스 상관 예

흥미로운 상관 관계를 찾기는 쉽지만 많은 사람들이 가짜로 판명될 것입니다. 세 가지 예는 치마 길이 이론, 슈퍼볼 지표, 인종과 대학 이수율 간의 제안된 상관 관계입니다.

1. 치마 길이 이론: 1920년대에 시작된 스커트 길이 이론은 스커트 길이와 주식 시장 방향이 상관관계가 있다고 주장합니다. 치마 길이가 길면 주식 시장이 약세 라는 상관 관계가 있습니다. 셔츠 길이가 짧으면 시장은 강세 입니다.

2. 슈퍼볼 지표: 1월 말에는 소위 슈퍼볼 지표에 대한 잡담이 종종 있습니다. 이는 아메리칸 풋볼 컨퍼런스 팀의 승리가 향후 주식 시장이 하락할 것임을 의미한다는 것을 암시합니다. 반면, National Football Conference 팀의 승리는 시장의 상승을 예고합니다. OpenMarkets에 따르면 슈퍼볼 시대가 시작된 이래 지표는 약 74%, 즉 54년 중 40년 동안 정확했습니다. 이것은 재미있는 대화 내용이지만 아마도 진지한 재정 고문이 고객을 위한 투자 전략으로 추천할 만한 것은 아닐 것입니다.

3. 교육 성취도 및 인종: 사회 과학자들은 교육 성취도에 영향을 미치는 변수를 식별하는 데 중점을 두었습니다. 정부 조사에 따르면 2019년에 25~29세 백인의 56%가 대학 학위를 취득한 반면 같은 나이의 흑인은 36%에 불과했습니다. 인종이 대학 졸업률에 인과적 영향을 미친다는 의미입니다.

그러나 교육 성취도에 영향을 미치는 것은 인종 자체가 아닐 수도 있습니다. 그 결과는 세 번째 "숨겨진" 변수가 될 수 있는 사회의 인종차별의 영향 때문일 수도 있습니다. 인종차별은 유색인종에게 영향을 미쳐 교육적으로나 경제적으로 불리합니다. 예를 들어, 비백인 커뮤니티의 학교는 더 큰 문제에 직면하고 더 적은 자금을 지원받습니다. 비백인 인구의 부모는 저임금 직업과 자녀 교육에 할애할 자원이 적습니다. 많은 가족이 식량 사막에서 살고 영양실조로 고통 받고 있습니다. . 인종보다는 인종주의가 교육 성취도에 영향을 미치는 인과 변수로 볼 수 있습니다.

하이라이트

• 인과 관계의 출현은 종종 우연의 일치로 판명되거나 세 번째 "교란" 요인에 의해 유발된 차트의 유사한 움직임으로 인해 발생합니다.

• 스퓨리어스 상관 또는 스퓨리어스는 두 요소가 서로 우연하게 관련되어 보이지만 그렇지 않을 때 발생합니다.

• 인과관계를 확인하려면 가능한 모든 변수를 통제하는 연구가 필요합니다.

• 통계학자와 과학자는 신중한 통계 분석을 사용하여 가짜 관계를 결정합니다.

• 스퓨리어스 상관은 표본 크기가 작거나 임의의 끝점으로 인해 발생할 수 있습니다.

자주하는 질문

의사 회귀란 무엇입니까?

스퓨리어스 회귀는 선형 관계의 잘못된 통계적 증거를 보여주는 통계 모델입니다. 즉, 독립적인 비정상 변수 간의 의사 상관 관계입니다.

인과 관계가 아닌 상관 관계의 예는 무엇입니까?

상관 관계의 예는 더 많은 수면이 낮 동안 더 나은 성과로 이어진다는 것입니다. 상관관계가 있기는 하지만 반드시 인과관계가 있는 것은 아닙니다. 더 많은 수면이 개인이 더 잘 수행하는 이유가 아닐 수도 있습니다. 예를 들어, 생산성을 높이는 새로운 소프트웨어 도구를 사용하고 있을 수 있습니다. 인과관계를 찾으려면 수면과 성과 사이의 인과관계를 보여주는 연구의 사실적 증거가 있어야 합니다.

스퓨리어스 상관 관계를 찾는 방법은 무엇입니까?

데이터를 분석하는 통계학자 및 기타 과학자는 항상 가짜 관계를 경계해야 합니다. 다음을 포함하여 식별하는 데 사용하는 다양한 방법이 있습니다. - 적절한 대표 표본 보장 - 적절한 표본 크기 확보 - 임의의 끝점에 대한 경계 - 가능한 많은 외부 변수 제어 - 귀무 가설 사용 및 강력한 p 확인 -값

거짓 인과 관계란 무엇입니까?

거짓 인과 관계는 한 가지가 그들 사이의 관계 때문에 다른 것을 유발한다는 가정을 말합니다. 예를 들어 해리가 경주 시간이 향상되었기 때문에 더 빠른 주자가 되기 위해 열심히 훈련했다고 가정할 수 있습니다. 그러나 해리가 최신 기술로 만든 새 런닝화를 가지고 있기 때문에 그의 경주 시간이 개선된 것이 현실일 수도 있습니다. 초기 가정은 잘못된 인과관계였습니다.