Hamis korreláció
Mi a hamis korreláció
A statisztikákban egy hamis korreláció vagy hamisítás két változó közötti kapcsolatra utal, amely oksági jellegűnek tűnik, de nem. A hamis kapcsolatok gyakran úgy mutatnak, hogy az egyik változó befolyásolja a másikat. Ezt a hamis összefüggést gyakran egy harmadik tényező okozza, amely a vizsgálat idején nem nyilvánvaló, és amelyet néha zavaró tényezőnek neveznek.
Key Takeaways
- Hamis összefüggés vagy hamisítás az, amikor két tényező véletlenül összefüggőnek tűnik, de nem.
- Az ok-okozati összefüggés megjelenése gyakran a diagram hasonló mozgásának köszönhető. amely véletlenszerűnek bizonyul, vagy egy harmadik “zavaró” tényező okozza.
- A hamis összefüggést gyakran kis mintaméretek vagy tetszőleges végpontok okozhatják.
Hogyan működik a hamis korreláció
Ha két véletlen változó szorosan követi egymást egy grafikonon, akkor könnyen gyanítható a korreláció, vagy a két tényező közötti kapcsolat, ahol a változás érinti a másikat. Félretéve az “okságot”, egy másik témát, ez a megfigyelés arra késztetheti a diagram olvasóját, hogy úgy gondolja, hogy az A változó mozgása kapcsolódik a B változó mozgásához vagy fordítva. de olykor szorosabb statisztikai vizsgálat után az összehangolt mozgások véletlenek, vagy az első kettőt befolyásoló harmadik tényező okozza. Ez hamis összefüggés. A kis mintanagysággal vagy tetszőleges végpontokkal végzett kutatás a hamisításra hajlamos sajátosság.
Példa a hamis összefüggésekre
Nem túl nagy kihívást jelent érdekes összefüggések felfedezése. Sokan mégis hamisnak bizonyulnak. A Wall Streeten élő hímfajok esetében két népszerű hamis összefüggés vonja maga után a nőket és a sportot. Az 1920-as évekből származik a szoknya hossza elmélet, amely szerint a szoknya hossza és a tőzsde iránya összefüggésben van. Ha a szoknya hossza hosszú, az azt jelenti, hogy a tőzsde csökken; ha rövidek, a piac felfelé megy. Január vége körül az úgynevezett Super Bowl mutatóról beszélnek, amely azt sugallja, hogy az AFC csapat győzelme valószínűleg azt jelenti, hogy a tőzsde le fog esni az elkövetkező évben, míg az NFC csapat győzelme az árfolyam emelkedését jelzi. piac. 1966 óta a mutató 80% -os pontossággal rendelkezik. Ez egy szórakoztató beszélgetés, de valószínűleg nem egy komoly pénzügyi tanácsadó ajánlana befektetési stratégiának az ügyfelek számára.
Íme néhány további példa a gyakori hamis összefüggésekre:
- A fuldoklás akkor nő, amikor a fagylaltértékesítés nő. Úgy tűnhet, hogy a megnövekedett fagylaltértékesítés több fulladást okoz, de a valóságban a növekvő hő miatt több ember úszhat, valamint több fagylaltot vásárolhat.
- Az Egyesült Államok 2006 és 2011 közötti gyilkossága ugyanolyan arányú, mint a Microsoft Internet Explorer használata.
- Azok a vezetők, akik szívesebben és köszönettel mondják, gyakran jobb megosztási teljesítményt élveznek.
- Azok az emberek, akik az Oakland Raiders csapat felszerelését viselik, nagyobb valószínűséggel követnek el bűncselekményeket. .
Hogyan lehet észrevenni a hamis összefüggéseket
Az adatokat elemző statisztikusoknak és más tudósoknak állandóan figyelniük kell a hamis kapcsolatokra. Számos módszert alkalmaznak, többek között:
- Megfelelő reprezentatív minta biztosítása.
- Megfelelő minta méretének megszerzése.
- Óvakodva az önkényes végpontoktól.
- A lehető legtöbb külső változó ellenőrzése.
- Nulla hipotézis alkalmazása és erős p-érték ellenőrzése.