用 t 检验/回归证明因果关系

机器算法验证 回归 t检验 因果关系
2022-03-23 03:58:31

今天早些时候,我正在和我的一位同事讨论统计分析软件。我的同事在以前的工作中主要使用 SPSS 来执行 t 检验、方差分析、manovas 和其他类似的统计检验。我的同事还提到 SPSS 不能很好地处理回归。我不知道 SPSS 是否能很好地处理回归,但我确实回应说 t 检验可以表述为回归,所以 SPSS 对回归一定不会那么糟糕。我们开始讨论 t 检验、回归和因果关系,结果出现了“你不能用回归证明因果关系,而 t 检验能够证明因果关系”。我一直认为只要适当的实验设计就可以建立因果关系,无论您是使用 t 检验还是回归来估计某些东西或执行假设检验。是否可以使用 t 检验而不是回归来建立因果关系?是否可以在不了解实验设计的情况下建立因果关系?

3个回答

因果关系是通过实验设计建立的,而不是特定的统计检验。您可以使用相关性作为统计检验,并证明您进行的高质量真实实验强烈暗示了因果关系。您可以将 t 检验作为您的统计数据,并在您的准或观察研究中显示一种关系,但该统计数据本身并不能证明因果解释的合理性。

@John 是正确的,但是,此外,您无法通过任何实验设计证明因果关系:您只能拥有更弱或更强的因果关系证据

在任何研究中,尤其是在观察性研究中,因果关系的证据通过包括相关协变量、给出科学合理的因果路径、复制结果等来增加。

然而,即使在最好的实验设计中,你也不能证明因果关系。

至于 t 检验与回归 - 你的朋友不知道他/她在说什么。T 检验结果可以通过回归程序完全复制:只需使用一个二分的独立变量。

就像其他人所说的那样,仅靠数学无法确定因果关系。

找到因果关系的可靠方法是首先发展你的因果理论。

一旦你有了因果理论,你就可以对所有已知的变量进行分组。拥有所有已知变量将允许您通过多次测试来比较它们。

然后列出潜在的未知变量。对每个潜在的测试进行多次测试,看看是否有影响。

请记住执行影响测试,而不是相关性测试。确定这一点在很大程度上取决于您正在学习的内容,而不是在所有情况下都完全是数学上的。换句话说,仅通过数学测试无法真正找到因果关系。这应该是合乎逻辑的,因为不能保证您输入的数字是准确的,其次您输入的数字仅来自特定变量。理论需要应用,但一旦应用,数学在确定每个变量的强度方面起着非常重要的作用。