還是回個文好了 比較方便表達 迴歸要能精準的預測 1 假設要能符合的愈好，否則估計標準誤會有差 2 預測愈遠的東西，回歸式的正確性就差、符合假設的況狀就差 中途中更容易有知未的變項加入。 比如你預測明天的天氣，容易，但你要預測一個月後的天氣就難的多 股票指數也是類似，所有時間序列的東西都類似 也比如說，一開始的迴歸式是平緩的線性，當過了某個時間點後變成往上衝的2次式 像股個股價的爆發性上漲，很多是這樣子。 剛開始慢慢緩緩往上，過了某事件的某時間點後，大家瘋狂買進。 這個某事件，應該就屬未知的外來變項。而一開始你幾乎是無法預測 第二題 我想強調一個觀念 統計是完全無法回答因果關係的 無論你是用reg還是anova 都跟因果關係無關 統計就是一堆數字與機率的東西，它無法回答有關關係邏輯的問題 你也只能去假設、或是去推測可能的模式 而非去 驗證 研究法中 要能回答因果關係 的方法 需要使用 標準化的實驗方法 包含能夠隨機分派與執行操弄、double blind等等 反之如果 無法使用標準化的實驗方法 都難以驗證因果關係 如果你使用了標準化的實驗方法，那麼你用迴歸或是anova都可以做因果的預測 如果你的研究方法並非實驗法，而屬相關方法 無論你用reg或anova都一樣無法做出因果的推論。 所以 因果關係的重點在研究方法 跟統計方法無關。 補充一點 相關不等於因果 這幾乎是考到爛掉的議題 統計中相關很高且顯著 還有很多種相關的可能性 包含第三變項、中介、調節、抑制變項等等 因果關係是眾多相關關係中的一個可能性 有因果關係 一定有相關 但有相關 不一定有因果關係 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.43.240.152 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Statistics/M.1455965969.A.819.html ※ 編輯: circlelee (114.43.240.152), 02/20/2016 19:33:30 ※ 編輯: circlelee (114.43.247.209), 02/21/2016 09:46:20