Soru:
İstatistiksel testlerdeki ilerlemeler göz önüne alındığında, korelasyonları tahmin etmek kendi başına bir sonuç olabilir mi?
Adhesh Josh
2011-09-30 11:42:36 UTC
view on stackexchange narkive permalink

Arka Plan Bağlam:

Bu sitede insanların sorduğu karmaşık istatistiksel sorulara hayret ediyorum ve onlardan çok şey öğrendim. Hepinize teşekkür ederim!

Bununla birlikte, istatistik konusunda resmi bir eğitimi olmayan ancak işimin bir parçası olarak pazar araştırması yapması gereken benim gibi biri için anlaşılması kolay bir yöntem olduğu için korelasyona odaklandım . Projelerimin çoğu iki değişken arasındaki ilişkiyi test etmeye çalışıyor, bu yüzden kullandığım tek şey Pearson r.

Her istatistiksel yöntemin belirli bir amacı olduğunu ve iyi çalışması için belirli temel varsayımların karşılanması gerektiğini biliyorum .

Sorular:

  • Korelasyon (özellikle, Pearson'ın r'si) kendi başına bir amaç olabilir mi?
  • İstatistiksel testlerdeki tüm ilerlemeler göz önüne alındığında, yine de veri analizi için sağlam bir yöntem mi?
Dört yanıtlar:
#1
+8
user5644
2011-09-30 12:59:40 UTC
view on stackexchange narkive permalink

Benim için sorunuzun cevabı hayır.

Belirli bir yöntemin veya tekniğin kendi başına bir amaç olabileceğini düşünmüyorum. Elinizde bazı veriler varsa veya veri toplamaya başlamadan önce, kendinize uğraşmak istediğiniz sorunların neler olduğunu veya cevaplamak istediğiniz soruların neler olduğunu sormalısınız. Verilere ve soruya sahip olduğunuzda, teknikler hakkında düşünmeye başlayabilirsiniz.

Belirli bir tekniğe odaklanıyorsan, muhtemelen kendinden çok şey saklaman gerekir. Bu durumda, cevaplayacağınız veya cevaplamak isteyeceğiniz sorular, büyük ölçüde kullanmayı düşündüğünüz tekniğe bağlıdır. Şu atasözü hakkında çok düşünün:

Sahip olduğunuz tek şey bir çekiçse, her şey bir çivi gibi görünür

Ayrıca şunu da belirtmek isterim: takip etme. Gerçekten de pek çok süslü teknik var. Bununla birlikte, süslü ve sofistike bir tekniğin kullanılması gerçeği, tek başına istatistiksel bir analizi doğrulamaz. Ya da farklı bir şekilde ifade etmek gerekirse, süslü bir teknik, ikna edici bir ampirik stratejinin yerini tutamaz.

Thanks lejohn. It makes sense! Let's see what others have to say...
+1 Bu mükemmel tavsiyenin her bir parçası, bu sitede, @Adhesh'de sormakta olduğunuz sorular dizisi için geçerlidir. Yine de, biraz farklı bir vurguyla bir açıklama yapılmasını tercih ederim: Analiz teknikleri hakkında düşünmeye başlama zamanı, verileri toplamanızdan * önce * olur, daha sonra değil (ki bu birçok insan için çok geç).
"Hiring a statistician after the data have been collected is like hiring a physician when your patient is in the morgue. He may be able to say what went wrong, but he is unlikely to be able to fix it" = George Box (I believe)
#2
+5
Peter Flom
2011-09-30 15:06:04 UTC
view on stackexchange narkive permalink

@lejohn'un dediği gibi, sahip olduğunuz tek şey bir çekiçse, her şeyin bir çivi gibi görüneceği doğru.

Yine de, sahip olduğunuz tek şey bir çivi ise, o zaman sadece bir çekice ihtiyacınız olabilir!

Yapılacak şey, ister pazar araştırması, ister psikoloji, fizik veya her neyse olsun, esas sorunuzu tanımlamaktır. Ardından yöntemleri araştırın, muhtemelen kendi başınıza değil. Sorununuzu çözme yöntemi korelasyon OLABİLİR. Çok basit olan başka bir şey olabilir. Ama olmayabilir.

#3
+5
GGG
2011-09-30 18:22:27 UTC
view on stackexchange narkive permalink

Verilerinizin grafiğini çizmek asla göz ardı edilmemelidir. Bu örnekte, X ve Y arasındaki korelasyon 0'dır, ancak kesinlikle iki değişken ilişkilidir.

 | x x | x x | x x | x x Y | x x | x x | x x | x x x | _______________________________ X 
Aslında. Anscombe dörtlüsünün diğer bölümlerine de bakın http://en.wikipedia.org/wiki/Anscombe%27s_quartet
#4
+3
Benjamin Mako Hill
2011-09-30 20:27:12 UTC
view on stackexchange narkive permalink

Bu ileti dizisinde gönderi paylaşan diğerlerine katılıyorum, ancak ekleyecek bir noktam var: Basit yöntemler - korelasyon gibi - daha karmaşık şeylerin olmadığından daha emin olduğunuzda daha mantıklıdır.

Potansiyel olarak karmaşık gözlemlenen ve gözlemlenmeyen değişkenleri hesaba katmak için rasgeleleştirmeyi kullandığınız deneysel çalışmada, basit bir korelasyondan, her şeye sahip olduğunuz gözlemsel verilerden elde edeceğinizden çok daha fazla yol alıyorsunuz Ölçtüğünüz değişkenler ve sahip olmadığınız değişkenler arasında bir tür karmaşık etkileşim. Elinizde ne tür pazar araştırma verileri olduğundan emin değilim. Gözlemselse, yalnızca korelasyonlara güvenmek konusunda daha da endişelenirim.

Bununla birlikte, korelasyon gibi basit yöntemler çok önemli bir rol oynar. İşimin çoğunda yapmaya çalıştığım şey, ilişkiyi insanların sezgisel olarak daha çok anlayacağı terimlerle kuran korelasyonlar, t-testleri ve ki-kare testleri gibi basit ilişkilerle başlamaktır. Ancak sağlam bir anlayış geliştirdikten sonra, daha karmaşık modeller sunacağım. Bu noktada, tehditleri ele almak ve güçlü, sağlam bir noktaya değinmekten daha iyi tahminler oluşturmakla ilgilidir.

Sitemize hoş geldin Benjamin! Düşüncelerinizi değerlendirdiğiniz için teşekkürler.


Bu Soru-Cevap, otomatik olarak İngilizce dilinden çevrilmiştir.Orijinal içerik, dağıtıldığı cc by-sa 3.0 lisansı için teşekkür ettiğimiz stackexchange'ta mevcuttur.
Loading...