还是回个文好了 比较方便表达 回归要能精准的预测 1 假设要能符合的愈好，否则估计标准误会有差 2 预测愈远的东西，回归式的正确性就差、符合假设的况状就差 中途中更容易有知未的变项加入。 比如你预测明天的天气，容易，但你要预测一个月後的天气就难的多 股票指数也是类似，所有时间序列的东西都类似 也比如说，一开始的回归式是平缓的线性，当过了某个时间点後变成往上冲的2次式 像股个股价的爆发性上涨，很多是这样子。 刚开始慢慢缓缓往上，过了某事件的某时间点後，大家疯狂买进。 这个某事件，应该就属未知的外来变项。而一开始你几乎是无法预测 第二题 我想强调一个观念 统计是完全无法回答因果关系的 无论你是用reg还是anova 都跟因果关系无关 统计就是一堆数字与机率的东西，它无法回答有关关系逻辑的问题 你也只能去假设、或是去推测可能的模式 而非去 验证 研究法中 要能回答因果关系 的方法 需要使用 标准化的实验方法 包含能够随机分派与执行操弄、double blind等等 反之如果 无法使用标准化的实验方法 都难以验证因果关系 如果你使用了标准化的实验方法，那麽你用回归或是anova都可以做因果的预测 如果你的研究方法并非实验法，而属相关方法 无论你用reg或anova都一样无法做出因果的推论。 所以 因果关系的重点在研究方法 跟统计方法无关。 补充一点 相关不等於因果 这几乎是考到烂掉的议题 统计中相关很高且显着 还有很多种相关的可能性 包含第三变项、中介、调节、抑制变项等等 因果关系是众多相关关系中的一个可能性 有因果关系 一定有相关 但有相关 不一定有因果关系 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.43.240.152 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1455965969.A.819.html ※ 编辑: circlelee (114.43.240.152), 02/20/2016 19:33:30 ※ 编辑: circlelee (114.43.247.209), 02/21/2016 09:46:20