→ coldwind0912: 你對"因果"的認知 在方法論上來說實在有點薄弱.... 03/06 09:25
→ coldwind0912: 因果 是很嚴謹的機制，須達成特定條件 03/06 09:25
→ coldwind0912: 因果關係 須滿足 時間律、共變律、排它律 三個條件 03/06 09:28
→ coldwind0912: 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
→ coldwind0912: 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
→ coldwind0912: 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
→ coldwind0912: 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
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
→ coldwind0912: 至於 統計技術的問題 ANOVA檢驗的是差異性 03/06 09:33
→ coldwind0912: 迴歸方法 檢驗的是解釋力(或預測性) 03/06 09:34
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??
→ coldwind0912: 套一句我的方法學啟蒙老師所言： 03/06 09:35
→ coldwind0912: 「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
→ coldwind0912: 回到本文 您所述的邏輯一or邏輯二 都有暇疵 03/06 09:38
→ coldwind0912: 而且 量化研究中也不存在這麼特殊的說法 03/06 09:39
→ coldwind0912: 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
→ coldwind0912: 所以再回到「時間跨度」的問題 03/06 09:42
→ coldwind0912: 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
→ coldwind0912: 具有因果關係 那又何嘗不可分析? 03/06 09:43
嘆 可惜我沒能力可以反駁邏輯1的看法
→ coldwind0912: 但反之，如果都解釋不通時，分析又有何意義? 03/06 09:44
→ coldwind0912: 只是多一篇數字遊戲的文章而已，不是嗎? 03/06 09:45
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
→ wope: 反例: Y=3*x1+1*x2 (線性回歸), Var(x1)=0.01, Var(x2)=1 03/06 15:04
→ wope: x1變動時會讓Y大量變動(顯著) 03/06 15:05
→ wope: 但Y變動量 大部分是x2造成的(因為x2的Var大) 03/06 15:06
→ wope: 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
→ wope: 是可以考慮地理統計對空間的Cov做回歸 03/06 15:23
→ wope: 不過這樣做出來不是你的目標 03/06 15:23
→ wope: 以這幾篇看下來 ANOVA可能是比較好的方式 03/06 15:26
→ wope: 不過我很想問為什麼不直接算相關係數? 03/06 15:29
→ wope: 等等 這裡有三個變量 國家 成績 班會 03/06 15:37
→ wope: "成績"的組別之間(什麼變量?)有無顯著差異 03/06 15:40
→ wope: "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
→ wope: 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
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
→ coldwind0912: 其實 閱讀你的說法 我會產生一點疑問.... 03/06 23:07
→ coldwind0912: 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
→ coldwind0912: 而並不在乎其是否為真實因果或虛假關係 03/06 23:08
→ coldwind0912: 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
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
→ coldwind0912: 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
→ coldwind0912: 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
→ coldwind0912: 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
→ coldwind0912: 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
→ coldwind0912: 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
→ coldwind0912: 如果要把三個變量:國家.成績.班會 同時分析.... 03/06 23:14
→ coldwind0912: 除了時間跨度的問題 你更應該考量hierarchy的問題吧 03/06 23:15
→ coldwind0912: 這些變項擺一起 hierarchy的問題比時間跨度重要多了 03/06 23:16
→ wope: 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
→ wope: 理由 03/07 03:58
→ wope: 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
→ wope: 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
→ wope: 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
→ wope: 效率太差) 03/07 04:10
→ wope: 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
→ wope: 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
→ wope: 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
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??
→ wope: 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
→ wope: oment 03/07 04:25
→ wope: 總是可以估計Cov的值 03/07 04:26
→ wope: 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
→ wope: 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
→ wope: 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
→ wope: (跟課本上的Anova比) 03/07 04:35
→ wope: 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
→ wope: 這樣時間影響都可以抓出來 03/07 04:46
→ wope: 不過原Po好像很喜歡Anova 03/07 04:50
→ wope: 因為我對Anova不熟 所以不確定可以做到怎樣 03/07 04:51
→ wope: 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
→ wope: 變量如何不看? 03/07 05:03
→ coldwind0912: 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
→ coldwind0912: 我只是舉例用反向求迴歸結果 來否證因果阿 03/07 15:28
→ coldwind0912: 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
→ coldwind0912: 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
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
→ coldwind0912: 至於hierarchy 我以為原po還想把國家的變項放進來 03/07 15:31
→ coldwind0912: 國家.活動.成績 這些變項的位階並不一樣吧~ 03/07 15:31
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
→ wope: 把後面變項拆成 2010-1012 及 2013-2014 03/09 14:13
→ wope: 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
→ wope: 若無關 再用後面變項2010-2014與前變量再做一次 03/09 14:16
→ wope: 若有關-->就要加入其他的機制來考濾 03/09 14:17
→ wope: 可是我的疑問是為什麼不直接算相關係數 03/09 14:19
→ wope: 每年的相關性就都可以抓出來 03/09 14:20
→ wope: 拿相關性最高的那年來做研究 不是更有說服力 03/09 14:23
→ wope: 順便也可以得到隨時間的衰退 03/09 14:25
→ wope: 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
→ wope: 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