Odpowiedź:
R-kwadrat wskazuje, jak dobrze obserwowane dane pasują do oczekiwanych danych, ale podaje tylko informacje o korelacji.
Wyjaśnienie:
Wartość R-kwadrat wskazuje, jak dobrze obserwowane dane lub zebrane dane pasują do oczekiwanego trendu. Ta wartość mówi o sile związku, ale, jak wszystkie testy statystyczne, nie ma niczego, co mówi o przyczynie związku lub jego sile.
W poniższym przykładzie widzimy, że wykres po lewej stronie nie ma związku, na co wskazuje niska wartość R-kwadrat. Wykres po prawej stronie ma bardzo silną zależność, co wskazuje na wartość R-kwadrat równą 1. W żadnym z tych wykresów nie możemy powiedzieć, co ostatecznie powoduje tę relację.
Korelacja nie oznacza związku przyczynowego. Twoje wartości X mogą bardzo dobrze wpłynąć na twoje wartości Y, ale mogą występować inne czynniki lub związek może być spowodowany przypadkiem. Możesz wywnioskować związek przyczynowy, ale to jest twoja interpretacja i nie może być udowodniona przez testy statystyczne. Posiadanie wysokiej wartości R-kwadrat wciąż mówi tylko o sile związku, ale nie o jego przyczynie.
Udowodnienie związku przyczynowego jest bardzo dużym zadaniem. Jeśli chcesz zrozumieć przyczynowość, najlepszym rozwiązaniem są eksperymenty.
„Dopóki nie staną się świadomi, nigdy się nie zbuntują i dopóki się nie zbuntują, nie mogą stać się świadomi”. Dlaczego to jest paradoks?
Zobacz poniżej: Zacznijmy od mówienia o tym, czym jest paradoks - który jest stwierdzeniem lub serią stwierdzeń, które same w sobie są logiczne, ale prowadzą do niemożliwości lub absurdów. http://en.wikipedia.org/wiki/Paradox Jednym z moich ulubionych jest: Poniższe stwierdzenie jest prawdziwe. Powyższe stwierdzenie jest fałszywe. Jeśli zastosujemy się do logiki, pierwsze stwierdzenie mówi, że drugie stwierdzenie jest prawdziwe. Ale drugie stwierdzenie mówi, że pierwsze zdanie jest fałszywe ... co oznacza, że pierwsze stwierdzenie powinno naprawdę czytać, że drugie stwierdzenie jest prawdziwe
Wektor A wskazuje na północ i ma długość A. Wektor B wskazuje na wschód i ma długość B = 2,0A. Jak znaleźć wielkość C = 3,6A + B w kategoriach A?
Odpowiedź jest = 4.12A Wektory są następujące: vecA = <0,1> A vecB = <2,0> A vecC = 3.6vecA + vecB = (3,6 xx <0,1>) A + <2,0> A = <2, 3,6> A Wielkość vecC wynosi = || vecC || = || <2, 3,6> || A = sqrt (2 ^ 2 + 3,6 ^ 2) A = 4.12A
Co oznacza „korelacja a związek przyczynowy” w statystykach?
Korelacja: dwie zmienne różnią się razem. W przypadku dodatniej korelacji, jeśli jedna zmienna wzrasta, druga zwiększa się również w danych. Przyczynowość: jedna zmienna powoduje zmiany w innej zmiennej. Znacząca różnica: korelacja może być przypadkiem. A może trzecia zmienna zmienia te dwie. Na przykład: istnieje korelacja między „pójściem spać w butach” a „budzeniem się z bólem głowy”. Ale ta relacja nie jest przyczynowa, ponieważ prawdziwym powodem tego zbiegu okoliczności jest (za dużo) alkohol.