Re: [問題] 變項的時間跨度(time span)問題

看板Statistics作者 (撼動宇宙的第一小步)時間10年前 (2015/03/06 06:57), 10年前編輯推噓0(0推 0噓 81→)
留言81則, 2人參與, 最新討論串3/3 (看更多)
我昨晚再仔細想一想 發現癥結點於我的驗證邏輯和人不太一樣： 1. "檢驗因果關係"的邏輯： 所謂的統計分析就是檢驗：自變數 是否真的影響到 依變數 自變數 是否真的是造成 依變數 的 原因 而自變數是因，所以時間一定要在前 依變數是果，所以時間一定要在後 兩者的時間跨度要一樣 2. "驗證某個現象"的邏輯： 學者提出某個論述（現象）： 成績好的同學，參與班會的次數比較高（踴躍） 這裡要檢驗的是前述現象是否真的存在？ 至於因果關係（成績是否影響班會）則不是文章要討論的重點 雖然這裡有自變項與依變項 但那只是因為在學者的論述中 "成績"放在前頭（成績好中壞三組），所以掛上自變 "班會"放在後面（參與班會的次數），所以稱之依變 然而，研究要探討的僅是：成績好中壞這三組間到底有無顯著差異? 至於"班會的參與資料"則是用來統計比較這三組的差異而已 研究主題並沒有去處理"成績有無影響到班會"這樣的因果議題 我的疑惑是 這兩種邏輯在統計研究上有沒有差別？ 是否可以這樣做區分？ 還是說，只要是統計研究，就必須只能是1，而不能用2的邏輯？ 另外 如果是1的邏輯，那當然必須是 今年的成績 影響到 今年的班會 才能說班會是成績影響下的結果 但如果是2的邏輯 我只是想利用ANOVA的組別比較來驗證以下"現象"是不是真的存在： 成績好是不是真的就比較常參與班會？成績不好就顯著比較少？ 我的結論並沒有做出因果關係推論（即 成績 確實是 班會 的原因） 只是想知道這個現象有無出現？（成績好有沒有顯著較常參加班會？） 若是2的話 有沒有必要一定得服膺嚴格的因果關係規定， 自變數和依變數的時間跨度一定得要相同呢？ ANOVA只能用來驗證因果關係嗎？ANOVA做出來的結果即表示變數有因果關係嗎？ 希望各位版友能再給我意見 萬分感謝! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 112.105.52.36 ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1425596246.A.B45.html
→
03/06 09:25, , 1F
你對"因果"的認知 在方法論上來說實在有點薄弱....
03/06 09:25, 1F
→
03/06 09:25, , 2F
因果 是很嚴謹的機制，須達成特定條件
03/06 09:25, 2F
→
03/06 09:28, , 3F
因果關係 須滿足 時間律、共變律、排它律 三個條件
03/06 09:28, 3F
→
03/06 09:29, , 4F
統計分析 如果分析A→B有影響 A就真的是B的因嗎?
03/06 09:29, 4F
→
03/06 09:30, , 5F
反之 如果分析B→A也有效果 那要說明誰為因?誰為果?
03/06 09:30, 5F
→
03/06 09:31, , 6F
以你的例子來說 今年成績 會影響 今年活動積極度
03/06 09:31, 6F
→
03/06 09:32, , 7F
倘若反過來 今年的活動積極度 也影響 今年的成績呢?
03/06 09:32, 7F
感謝C大的回應 您剛好點出我最為難且疑惑的地方 所謂的因果關係如你說的，要共變、因在果之前、非虛假關係 這是很嚴格的條件 即使有影響也未必就有因果關係 變數可能相互影響，或根本沒有因果 可是，我遇到某些人就是主張： 統計只能有1的邏輯，其他都不能 統計就只能判定自變數能否影響依變數?是不是成因? 其他都不算統計 我也覺得這種說法有點怪 但又想不出如何說明它的瑕疵
→
03/06 09:33, , 8F
至於 統計技術的問題 ANOVA檢驗的是差異性
03/06 09:33, 8F
→
03/06 09:34, , 9F
迴歸方法 檢驗的是解釋力(或預測性)
03/06 09:34, 9F
恩，我的理解是這樣： 即使ANOVA做出來組別間有顯著差異 那也只能代表這個差異性的現像是存在的 不表示自變數和依變數必然有因果關係，所以不能妄下因果關係的結論 這樣的理解正確嗎??
→
03/06 09:35, , 10F
套一句我的方法學啟蒙老師所言：
03/06 09:35, 10F
→
03/06 09:36, , 11F
「單靠統計工具是無法檢驗因果的，須搭配理論基礎」
03/06 09:36, 11F
→
03/06 09:38, , 12F
回到本文 您所述的邏輯一or邏輯二 都有暇疵
03/06 09:38, 12F
→
03/06 09:39, , 13F
而且 量化研究中也不存在這麼特殊的說法
03/06 09:39, 13F
→
03/06 09:40, , 14F
或者是說 量化研究的邏輯也不是這樣子來陳述的
03/06 09:40, 14F
→
03/06 09:42, , 15F
所以再回到「時間跨度」的問題
03/06 09:42, 15F
→
03/06 09:43, , 16F
如果 理論、邏輯、實證 都說明兩個不同跨度的變項間
03/06 09:43, 16F
→
03/06 09:43, , 17F
具有因果關係 那又何嘗不可分析?
03/06 09:43, 17F
嘆 可惜我沒能力可以反駁邏輯1的看法
→
03/06 09:44, , 18F
但反之，如果都解釋不通時，分析又有何意義?
03/06 09:44, 18F
→
03/06 09:45, , 19F
只是多一篇數字遊戲的文章而已，不是嗎?
03/06 09:45, 19F
我另外想到一個問題點： 1. 常走實驗、問卷路線的學者 習慣的做法就是：分好組別後，然後進行實驗或填寫問卷 之後再進行統計，分析自變項有無影響依變項 這樣一來，自變數（分組）的時間在前，依變數（實驗、問卷）時間在後 就成為共同的認知：時間在前的一定是自變項， 時間在後的一定是依變項 依變項的時間不能早於自變項 這樣自變項才算有影響依變項 2. 但我這領域的主要單位是 國家 很難用實驗、問卷來研究 很多人用的方式是：為國家分好組別之後 再回過頭去找每個國家的歷史數據 統計分析組別間有無差異，驗證現象有無存在 分析的重點不在 自變與依變的因果關係 而是"不同組的國家"在"參與次數上到底有無顯著差異"?? 另外，就好比之前文中的舉例： 雖然把"成績好壞"列為自變項，"參與班會的數量"列為依變項 但那只是因為學者的論述提及： 成績好的學生對於參與班會的次數會比較高 這段論述把"成績"放前面，"班會"放後面 基於使用習慣 所以在統計分析時才把前者稱為自變項，後者稱為依變項 但這兩者到底有無因果關係？成績是否真的會影響班會？ 這不是我要分析的重點 我只是想知道學者論述的這個"現象"到底存不存在？ "成績由好至壞的組別"在參與班會的次數上有無顯著差異？ 重點是"成績好中壞三組間的差異" 至於"班會"只是用來幫助統計比較這三組的一個變項罷了 如果ANOVA的結果顯示組別有顯著差異+成績好的高於其他組 那表示這個現象是存在的 但ANOVA的結果不表示"成績"和"班會"有直接的因果關係 因此 雖然把"成績"名為自變項，"參與班會"名為依變項 但這兩者並不是傳統的"自變項影響依變項"的關係 純粹只是因為"成績"在前，"班會"在後 才把前面的掛為自變，後面掛為依變 但實際上研究要討論的只是："成績"的組別之間有無顯著差異 並無牽涉到"成績是否影響班會"...這個主題 這是我想表達的 但我不知道在統計上要用啥詞彙去指稱 所以只能用我自己的話去形容 希望大家聽懂我在說啥.....= = ※ 編輯: winchin (112.105.52.36), 03/06/2015 14:19:42
→
03/06 15:04, , 20F
反例: Y=3*x1+1*x2 (線性回歸), Var(x1)=0.01, Var(x2)=1
03/06 15:04, 20F
→
03/06 15:05, , 21F
x1變動時會讓Y大量變動(顯著)
03/06 15:05, 21F
→
03/06 15:06, , 22F
但Y變動量 大部分是x2造成的(因為x2的Var大)
03/06 15:06, 22F
→
03/06 15:22, , 23F
如果討論的是"不同組的國家" 之間比較 硬要用回歸
03/06 15:22, 23F
→
03/06 15:23, , 24F
是可以考慮地理統計對空間的Cov做回歸
03/06 15:23, 24F
→
03/06 15:23, , 25F
不過這樣做出來不是你的目標
03/06 15:23, 25F
→
03/06 15:26, , 26F
以這幾篇看下來 ANOVA可能是比較好的方式
03/06 15:26, 26F
→
03/06 15:29, , 27F
不過我很想問為什麼不直接算相關係數?
03/06 15:29, 27F
→
03/06 15:37, , 28F
等等 這裡有三個變量 國家 成績 班會
03/06 15:37, 28F
→
03/06 15:40, , 29F
"成績"的組別之間(什麼變量?)有無顯著差異
03/06 15:40, 29F
→
03/06 15:43, , 30F
"不同組的國家"在"參與次數上到底有無顯著差異"與分數無關?
03/06 15:43, 30F
→
03/06 16:01, , 31F
這三個變量你想怎麼表達之間的關係 之後再決定統計方法
03/06 16:01, 31F
抱歉 W大 上頭我把兩個例子混在一起講了，造成你的誤解 國家那個是一個例子 成績則是另一個例子 我再重新改寫整理一下 ※ 編輯: winchin (112.105.52.36), 03/06/2015 18:43:13 ※ 編輯: winchin (112.105.52.36), 03/06/2015 18:56:04 ※ 編輯: winchin (112.105.52.36), 03/06/2015 18:57:55
→
03/06 23:07, , 32F
其實 閱讀你的說法 我會產生一點疑問....
03/06 23:07, 32F
→
03/06 23:08, , 33F
倘若只是單純想驗證 成績→活動參與 關係是否確立
03/06 23:08, 33F
→
03/06 23:08, , 34F
而並不在乎其是否為真實因果或虛假關係
03/06 23:08, 34F
→
03/06 23:09, , 35F
那你就直接進行迴歸預測就好阿 看解釋量有多高阿
03/06 23:09, 35F
感謝C大的回應 不過難題在於，成績這個變項並不是連續變數 而是分成三組的類別變項（成績好、中、差） 是可以把成績轉成虛擬變項 但這樣只能看到解釋量有多少 無法知道 成績好的組別之參與量是否顯著大於其他組
→
03/06 23:10, , 36F
如果達到統計顯著性 又有實務顯著性 那就驗證完畢了
03/06 23:10, 36F
→
03/06 23:10, , 37F
反之 如果"成績→活動參與"在過去研究被認為是因果
03/06 23:10, 37F
→
03/06 23:12, , 38F
而想推翻 最直觀就是驗證 活動參與→成績 是否成立
03/06 23:12, 38F
→
03/06 23:12, , 39F
如果 反向路徑也存在 那表示原本的關係並非因果阿
03/06 23:12, 39F
→
03/06 23:13, , 40F
另外 上面原po和w大的討論 我不曉得有沒有認知錯誤?
03/06 23:13, 40F
→
03/06 23:14, , 41F
如果要把三個變量:國家.成績.班會 同時分析....
03/06 23:14, 41F
→
03/06 23:15, , 42F
除了時間跨度的問題 你更應該考量hierarchy的問題吧
03/06 23:15, 42F
→
03/06 23:16, , 43F
這些變項擺一起 hierarchy的問題比時間跨度重要多了
03/06 23:16, 43F
→
03/07 03:58, , 44F
C大 其實我看得有點亂 成績與活動 我看不出放棄迴歸預測的
03/07 03:58, 44F
→
03/07 03:58, , 45F
理由
03/07 03:58, 45F
→
03/07 03:59, , 46F
再來 迴歸預測 可放入前人理論做非線性 迴歸預測
03/07 03:59, 46F
→
03/07 04:00, , 47F
第三 如果收到的資料非高斯場 還可以放棄高斯假設
03/07 04:00, 47F
→
03/07 04:10, , 48F
如果要做 非高斯+非線性+前人研究 的ANOVA 會出人命的(計算
03/07 04:10, 48F
→
03/07 04:10, , 49F
效率太差)
03/07 04:10, 49F
→
03/07 04:15, , 50F
如果3變量一起考慮 可以推估收不到資料國家的回歸線
03/07 04:15, 50F
→
03/07 04:18, , 51F
這時的統計與一般統計最大差異 從一個值 變成一個函數
03/07 04:18, 51F
→
03/07 04:23, , 52F
回到原Po的問題 時間跨度 一定可放入考慮 只是怎麼考慮而以
03/07 04:23, 52F
抱歉 我把話題拖得太長，讓大家看不清楚問題點 其實我說了這麼多，只是想了解一件事： 如果我是用邏輯2的角度來做研究 只想了解這三個成績組別間是否有顯著的差異 那變項的時間跨度是否一定要相同? 若前面的變項（成績好、中、差，名為自變項）是2013-2014 後面的變項（參與班會的次數，名為依變項）是2010-2014 在邏輯2裏頭，是否可行??
→
03/07 04:25, , 53F
在非線性高斯場依變數的cov 有個手法叫first order second m
03/07 04:25, 53F
→
03/07 04:25, , 54F
oment
03/07 04:25, 54F
→
03/07 04:26, , 55F
總是可以估計Cov的值
03/07 04:26, 55F
→
03/07 04:29, , 56F
而且對之前班會與之後班會的相關性都可抓出來
03/07 04:29, 56F
→
03/07 04:31, , 57F
最後 如果帶線性高斯場 Cov的比值就是迴歸係數的斜率
03/07 04:31, 57F
→
03/07 04:32, , 58F
除非前人有說就是線性相關 不然迴歸預測強太多了
03/07 04:32, 58F
→
03/07 04:35, , 59F
(跟課本上的Anova比)
03/07 04:35, 59F
→
03/07 04:46, , 60F
不知道原po有沒有考慮把前班會與後班會當成兩個事件(非獨立)
03/07 04:46, 60F
→
03/07 04:46, , 61F
這樣時間影響都可以抓出來
03/07 04:46, 61F
→
03/07 04:50, , 62F
不過原Po好像很喜歡Anova
03/07 04:50, 62F
→
03/07 04:51, , 63F
因為我對Anova不熟 所以不確定可以做到怎樣
03/07 04:51, 63F
→
03/07 05:03, , 64F
原po是想討論三變量中 兩兩的邊際機率密度函數嗎? 不然第三
03/07 05:03, 64F
→
03/07 05:03, , 65F
變量如何不看?
03/07 05:03, 65F
→
03/07 15:28, , 66F
我沒有說放棄迴歸阿!? 驗證因果關係 迴歸還是比較好
03/07 15:28, 66F
→
03/07 15:28, , 67F
我只是舉例用反向求迴歸結果 來否證因果阿
03/07 15:28, 67F
→
03/07 15:30, , 68F
當然 非線性也是檢驗方式 只是我們並不了解原po例子
03/07 15:30, 68F
→
03/07 15:30, , 69F
前人的研究是認為線性or非線性 所以 我提出用反向
03/07 15:30, 69F
其實，前人的研究只是提出一個"描述性的論述" 沒有用到量化分析 因此也沒提及線性或非線性之類的面向
→
03/07 15:31, , 70F
至於hierarchy 我以為原po還想把國家的變項放進來
03/07 15:31, 70F
→
03/07 15:31, , 71F
國家.活動.成績 這些變項的位階並不一樣吧~
03/07 15:31, 71F
痾....其實只有兩個變項 國家和成績是不同的例子....= = 一個是：不同組別的國家 和 參與量 另一個是：學生成績 和 學生的活動參與量 這是兩個例子 ※ 編輯: winchin (112.105.52.36), 03/08/2015 01:18:11 ※ 編輯: winchin (112.105.52.36), 03/08/2015 01:34:26
→
03/09 14:13, , 72F
把後面變項拆成 2010-1012 及 2013-2014
03/09 14:13, 72F
→
03/09 14:15, , 73F
然後與前面的變項分別做ANOVA -->去說明時間變量有關或無關
03/09 14:15, 73F
→
03/09 14:16, , 74F
若無關 再用後面變項2010-2014與前變量再做一次
03/09 14:16, 74F
→
03/09 14:17, , 75F
若有關-->就要加入其他的機制來考濾
03/09 14:17, 75F
→
03/09 14:19, , 76F
可是我的疑問是為什麼不直接算相關係數
03/09 14:19, 76F
→
03/09 14:20, , 77F
每年的相關性就都可以抓出來
03/09 14:20, 77F
→
03/09 14:23, , 78F
拿相關性最高的那年來做研究 不是更有說服力
03/09 14:23, 78F
→
03/09 14:25, , 79F
順便也可以得到隨時間的衰退
03/09 14:25, 79F
→
03/09 14:27, , 80F
隨時間的衰退如果做得出來 那跨度就著這個衰退比例給進去
03/09 14:27, 80F
→
03/09 14:30, , 81F
這樣論文應該會多出很多東西(如果成功做出來的話)
03/09 14:30, 81F
‣ 更多 winchin 的文章
文章代碼(AID): #1K-DzMj5 (Statistics)
‣ 更多 winchin 的文章
文章代碼(AID): #1K-DzMj5 (Statistics)