作者winchin (撼动宇宙的第一小步)
看板Statistics
标题Re: [问题] 变项的时间跨度(time span)问题
时间Fri Mar 6 06:57:23 2015
我昨晚再仔细想一想
发现症结点於我的验证逻辑和人不太一样：
1.
"检验因果关系"的逻辑：
所谓的统计分析就是检验：自变数 是否真的影响到 依变数
自变数 是否真的是造成 依变数 的 原因
而自变数是因，所以时间一定要在前
依变数是果，所以时间一定要在後
两者的时间跨度要一样
2.
"验证某个现象"的逻辑：
学者提出某个论述（现象）：
成绩好的同学，参与班会的次数比较高（踊跃）
这里要检验的是前述现象是否真的存在？
至於因果关系（成绩是否影响班会）则不是文章要讨论的重点
虽然这里有自变项与依变项
但那只是因为在学者的论述中
"成绩"放在前头（成绩好中坏三组），所以挂上自变
"班会"放在後面（参与班会的次数），所以称之依变
然而，研究要探讨的仅是：成绩好中坏这三组间到底有无显着差异?
至於"班会的参与资料"则是用来统计比较这三组的差异而已
研究主题并没有去处理"成绩有无影响到班会"这样的因果议题
我的疑惑是
这两种逻辑在统计研究上有没有差别？
是否可以这样做区分？
还是说，只要是统计研究，就必须只能是1，而不能用2的逻辑？
另外
如果是1的逻辑，那当然必须是 今年的成绩 影响到 今年的班会
才能说班会是成绩影响下的结果
但如果是2的逻辑
我只是想利用ANOVA的组别比较来验证以下"现象"是不是真的存在：
成绩好是不是真的就比较常参与班会？成绩不好就显着比较少？
我的结论并没有做出因果关系推论（即 成绩 确实是 班会 的原因）
只是想知道这个现象有无出现？（成绩好有没有显着较常参加班会？）
若是2的话
有没有必要一定得服膺严格的因果关系规定，
自变数和依变数的时间跨度一定得要相同呢？
ANOVA只能用来验证因果关系吗？ANOVA做出来的结果即表示变数有因果关系吗？
希望各位版友能再给我意见
万分感谢!
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 112.105.52.36
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1425596246.A.B45.html
1F：→ coldwind0912: 你对"因果"的认知 在方法论上来说实在有点薄弱.... 03/06 09:25
2F：→ coldwind0912: 因果 是很严谨的机制，须达成特定条件 03/06 09:25
3F：→ coldwind0912: 因果关系 须满足 时间律、共变律、排它律 三个条件 03/06 09:28
4F：→ coldwind0912: 统计分析 如果分析A→B有影响 A就真的是B的因吗? 03/06 09:29
5F：→ coldwind0912: 反之 如果分析B→A也有效果 那要说明谁为因?谁为果? 03/06 09:30
6F：→ coldwind0912: 以你的例子来说 今年成绩 会影响 今年活动积极度 03/06 09:31
7F：→ coldwind0912: 倘若反过来 今年的活动积极度 也影响 今年的成绩呢? 03/06 09:32
感谢C大的回应
您刚好点出我最为难且疑惑的地方
所谓的因果关系如你说的，要共变、因在果之前、非虚假关系
这是很严格的条件
即使有影响也未必就有因果关系
变数可能相互影响，或根本没有因果
可是，我遇到某些人就是主张：
统计只能有1的逻辑，其他都不能
统计就只能判定自变数能否影响依变数?是不是成因?
其他都不算统计
我也觉得这种说法有点怪
但又想不出如何说明它的瑕疵
8F：→ coldwind0912: 至於 统计技术的问题 ANOVA检验的是差异性 03/06 09:33
9F：→ coldwind0912: 回归方法 检验的是解释力(或预测性) 03/06 09:34
恩，我的理解是这样：
即使ANOVA做出来组别间有显着差异
那也只能代表这个差异性的现像是存在的
不表示自变数和依变数必然有因果关系，所以不能妄下因果关系的结论
这样的理解正确吗??
10F：→ coldwind0912: 套一句我的方法学启蒙老师所言： 03/06 09:35
11F：→ coldwind0912: 「单靠统计工具是无法检验因果的，须搭配理论基础」 03/06 09:36
12F：→ coldwind0912: 回到本文 您所述的逻辑一or逻辑二 都有暇疵 03/06 09:38
13F：→ coldwind0912: 而且 量化研究中也不存在这麽特殊的说法 03/06 09:39
14F：→ coldwind0912: 或者是说 量化研究的逻辑也不是这样子来陈述的 03/06 09:40
15F：→ coldwind0912: 所以再回到「时间跨度」的问题 03/06 09:42
16F：→ coldwind0912: 如果 理论、逻辑、实证 都说明两个不同跨度的变项间 03/06 09:43
17F：→ coldwind0912: 具有因果关系 那又何尝不可分析? 03/06 09:43
叹 可惜我没能力可以反驳逻辑1的看法
18F：→ coldwind0912: 但反之，如果都解释不通时，分析又有何意义? 03/06 09:44
19F：→ coldwind0912: 只是多一篇数字游戏的文章而已，不是吗? 03/06 09:45
我另外想到一个问题点：
1. 常走实验、问卷路线的学者
习惯的做法就是：分好组别後，然後进行实验或填写问卷
之後再进行统计，分析自变项有无影响依变项
这样一来，自变数（分组）的时间在前，依变数（实验、问卷）时间在後
就成为共同的认知：时间在前的一定是自变项，
时间在後的一定是依变项
依变项的时间不能早於自变项
这样自变项才算有影响依变项
2. 但我这领域的主要单位是 国家
很难用实验、问卷来研究
很多人用的方式是：为国家分好组别之後
再回过头去找每个国家的历史数据
统计分析组别间有无差异，验证现象有无存在
分析的重点不在 自变与依变的因果关系
而是"不同组的国家"在"参与次数上到底有无显着差异"??
另外，就好比之前文中的举例：
虽然把"成绩好坏"列为自变项，"参与班会的数量"列为依变项
但那只是因为学者的论述提及：
成绩好的学生对於参与班会的次数会比较高
这段论述把"成绩"放前面，"班会"放後面
基於使用习惯
所以在统计分析时才把前者称为自变项，後者称为依变项
但这两者到底有无因果关系？成绩是否真的会影响班会？
这不是我要分析的重点
我只是想知道学者论述的这个"现象"到底存不存在？
"成绩由好至坏的组别"在参与班会的次数上有无显着差异？
重点是"成绩好中坏三组间的差异"
至於"班会"只是用来帮助统计比较这三组的一个变项罢了
如果ANOVA的结果显示组别有显着差异+成绩好的高於其他组
那表示这个现象是存在的
但ANOVA的结果不表示"成绩"和"班会"有直接的因果关系
因此
虽然把"成绩"名为自变项，"参与班会"名为依变项
但这两者并不是传统的"自变项影响依变项"的关系
纯粹只是因为"成绩"在前，"班会"在後
才把前面的挂为自变，後面挂为依变
但实际上研究要讨论的只是："成绩"的组别之间有无显着差异
并无牵涉到"成绩是否影响班会"...这个主题
这是我想表达的
但我不知道在统计上要用啥词汇去指称
所以只能用我自己的话去形容
希望大家听懂我在说啥.....= =
※ 编辑: winchin (112.105.52.36), 03/06/2015 14:19:42
20F：→ wope: 反例: Y=3*x1+1*x2 (线性回归), Var(x1)=0.01, Var(x2)=1 03/06 15:04
21F：→ wope: x1变动时会让Y大量变动(显着) 03/06 15:05
22F：→ wope: 但Y变动量 大部分是x2造成的(因为x2的Var大) 03/06 15:06
23F：→ wope: 如果讨论的是"不同组的国家" 之间比较 硬要用回归 03/06 15:22
24F：→ wope: 是可以考虑地理统计对空间的Cov做回归 03/06 15:23
25F：→ wope: 不过这样做出来不是你的目标 03/06 15:23
26F：→ wope: 以这几篇看下来 ANOVA可能是比较好的方式 03/06 15:26
27F：→ wope: 不过我很想问为什麽不直接算相关系数? 03/06 15:29
28F：→ wope: 等等 这里有三个变量 国家 成绩 班会 03/06 15:37
29F：→ wope: "成绩"的组别之间(什麽变量?)有无显着差异 03/06 15:40
30F：→ wope: "不同组的国家"在"参与次数上到底有无显着差异"与分数无关? 03/06 15:43
31F：→ wope: 这三个变量你想怎麽表达之间的关系 之後再决定统计方法 03/06 16:01
抱歉 W大
上头我把两个例子混在一起讲了，造成你的误解
国家那个是一个例子
成绩则是另一个例子
我再重新改写整理一下
※ 编辑: winchin (112.105.52.36), 03/06/2015 18:43:13
※ 编辑: winchin (112.105.52.36), 03/06/2015 18:56:04
※ 编辑: winchin (112.105.52.36), 03/06/2015 18:57:55
32F：→ coldwind0912: 其实 阅读你的说法 我会产生一点疑问.... 03/06 23:07
33F：→ coldwind0912: 倘若只是单纯想验证 成绩→活动参与 关系是否确立 03/06 23:08
34F：→ coldwind0912: 而并不在乎其是否为真实因果或虚假关系 03/06 23:08
35F：→ coldwind0912: 那你就直接进行回归预测就好阿 看解释量有多高阿 03/06 23:09
感谢C大的回应
不过难题在於，成绩这个变项并不是连续变数
而是分成三组的类别变项（成绩好、中、差）
是可以把成绩转成虚拟变项
但这样只能看到解释量有多少
无法知道 成绩好的组别之参与量是否显着大於其他组
36F：→ coldwind0912: 如果达到统计显着性 又有实务显着性 那就验证完毕了 03/06 23:10
37F：→ coldwind0912: 反之 如果"成绩→活动参与"在过去研究被认为是因果 03/06 23:10
38F：→ coldwind0912: 而想推翻 最直观就是验证 活动参与→成绩 是否成立 03/06 23:12
39F：→ coldwind0912: 如果 反向路径也存在 那表示原本的关系并非因果阿 03/06 23:12
40F：→ coldwind0912: 另外 上面原po和w大的讨论 我不晓得有没有认知错误? 03/06 23:13
41F：→ coldwind0912: 如果要把三个变量:国家.成绩.班会 同时分析.... 03/06 23:14
42F：→ coldwind0912: 除了时间跨度的问题 你更应该考量hierarchy的问题吧 03/06 23:15
43F：→ coldwind0912: 这些变项摆一起 hierarchy的问题比时间跨度重要多了 03/06 23:16
44F：→ wope: C大 其实我看得有点乱 成绩与活动 我看不出放弃回归预测的 03/07 03:58
45F：→ wope: 理由 03/07 03:58
46F：→ wope: 再来 回归预测 可放入前人理论做非线性 回归预测 03/07 03:59
47F：→ wope: 第三 如果收到的资料非高斯场 还可以放弃高斯假设 03/07 04:00
48F：→ wope: 如果要做 非高斯+非线性+前人研究 的ANOVA 会出人命的(计算 03/07 04:10
49F：→ wope: 效率太差) 03/07 04:10
50F：→ wope: 如果3变量一起考虑 可以推估收不到资料国家的回归线 03/07 04:15
51F：→ wope: 这时的统计与一般统计最大差异 从一个值 变成一个函数 03/07 04:18
52F：→ wope: 回到原Po的问题 时间跨度 一定可放入考虑 只是怎麽考虑而以 03/07 04:23
抱歉 我把话题拖得太长，让大家看不清楚问题点
其实我说了这麽多，只是想了解一件事：
如果我是用逻辑2的角度来做研究
只想了解这三个成绩组别间是否有显着的差异
那变项的时间跨度是否一定要相同?
若前面的变项（成绩好、中、差，名为自变项）是2013-2014
後面的变项（参与班会的次数，名为依变项）是2010-2014
在逻辑2里头，是否可行??
53F：→ wope: 在非线性高斯场依变数的cov 有个手法叫first order second m 03/07 04:25
54F：→ wope: oment 03/07 04:25
55F：→ wope: 总是可以估计Cov的值 03/07 04:26
56F：→ wope: 而且对之前班会与之後班会的相关性都可抓出来 03/07 04:29
57F：→ wope: 最後 如果带线性高斯场 Cov的比值就是回归系数的斜率 03/07 04:31
58F：→ wope: 除非前人有说就是线性相关 不然回归预测强太多了 03/07 04:32
59F：→ wope: (跟课本上的Anova比) 03/07 04:35
60F：→ wope: 不知道原po有没有考虑把前班会与後班会当成两个事件(非独立) 03/07 04:46
61F：→ wope: 这样时间影响都可以抓出来 03/07 04:46
62F：→ wope: 不过原Po好像很喜欢Anova 03/07 04:50
63F：→ wope: 因为我对Anova不熟 所以不确定可以做到怎样 03/07 04:51
64F：→ wope: 原po是想讨论三变量中 两两的边际机率密度函数吗? 不然第三 03/07 05:03
65F：→ wope: 变量如何不看? 03/07 05:03
66F：→ coldwind0912: 我没有说放弃回归阿!? 验证因果关系 回归还是比较好 03/07 15:28
67F：→ coldwind0912: 我只是举例用反向求回归结果 来否证因果阿 03/07 15:28
68F：→ coldwind0912: 当然 非线性也是检验方式 只是我们并不了解原po例子 03/07 15:30
69F：→ coldwind0912: 前人的研究是认为线性or非线性 所以 我提出用反向 03/07 15:30
其实，前人的研究只是提出一个"描述性的论述"
没有用到量化分析
因此也没提及线性或非线性之类的面向
70F：→ coldwind0912: 至於hierarchy 我以为原po还想把国家的变项放进来 03/07 15:31
71F：→ coldwind0912: 国家.活动.成绩 这些变项的位阶并不一样吧~ 03/07 15:31
痾....其实只有两个变项
国家和成绩是不同的例子....= =
一个是：不同组别的国家 和 参与量
另一个是：学生成绩 和 学生的活动参与量
这是两个例子
※ 编辑: winchin (112.105.52.36), 03/08/2015 01:18:11
※ 编辑: winchin (112.105.52.36), 03/08/2015 01:34:26
72F：→ wope: 把後面变项拆成 2010-1012 及 2013-2014 03/09 14:13
73F：→ wope: 然後与前面的变项分别做ANOVA -->去说明时间变量有关或无关 03/09 14:15
74F：→ wope: 若无关 再用後面变项2010-2014与前变量再做一次 03/09 14:16
75F：→ wope: 若有关-->就要加入其他的机制来考滤 03/09 14:17
76F：→ wope: 可是我的疑问是为什麽不直接算相关系数 03/09 14:19
77F：→ wope: 每年的相关性就都可以抓出来 03/09 14:20
78F：→ wope: 拿相关性最高的那年来做研究 不是更有说服力 03/09 14:23
79F：→ wope: 顺便也可以得到随时间的衰退 03/09 14:25
80F：→ wope: 随时间的衰退如果做得出来 那跨度就着这个衰退比例给进去 03/09 14:27
81F：→ wope: 这样论文应该会多出很多东西(如果成功做出来的话) 03/09 14:30