एवरेजिंग आकर्षक या सुविधाजनक हो सकती है। यह धोखे का स्रोत भी हो सकता है, सबसे बुरे धोखे में, इसलिए औसत के लिए एक स्पष्ट तर्क होने पर भी सावधानी से चलना।
यहां एक स्थिति यह है कि यह एक अच्छा विचार नहीं है। इस बात पर विचार करें कि समूहों की सावधानीपूर्वक परिभाषा से आप (आमतौर पर) अपने डेटा को दो सारांश बिंदुओं तक कम कर सकते हैं, जो दो चर पर अलग-अलग होते हैं; और फिर आप परिमाण के साथ एक सही संबंध प्राप्त करेंगे1। बधाई हो, या नहीं! यहां सुधार प्रक्रिया के लिए एक अच्छा स्वतंत्र कारण के बिना फर्जी है। खतरे के दृष्टिकोण के लिए आपको इस चरम मामले में संपर्क करने की आवश्यकता नहीं है।
कुछ परिस्थितियां हैं जिनमें औसत समझ में आ सकता है। उदाहरण के लिए, यदि मौसमी विविधताएँ बहुत कम हैं या कोई दिलचस्पी नहीं है, तो वार्षिक मूल्यों में औसत एक कम डेटासेट बनाता है जिसमें आप उन वार्षिक मूल्यों पर ध्यान केंद्रित कर सकते हैं।
विभिन्न क्षेत्रों में, शोधकर्ताओं को कई अलग-अलग पैमानों पर सहसंबंधों में दिलचस्पी हो सकती है, जैसे कि व्यक्तियों, काउंटियों, राज्यों, देशों के लिए बेरोजगारी और अपराध के बीच (जो भी शब्द सबसे अधिक समझ में आता है)।
ब्याज, और अक्सर भी बचाव मुसीबतों का एक प्रमुख स्रोत है, विभिन्न पैमानों या स्तरों पर क्या हो रहा है, इसकी व्याख्या करना। उदाहरण के लिए, बेरोजगारी दर और क्षेत्रों के लिए अपराध दर के बीच एक उच्च सहसंबंध जरूरी नहीं है कि बेरोजगार अपराधियों के लिए एक उच्च प्रवृत्ति है; आपको उस पर स्पष्ट होने के लिए व्यक्तियों के डेटा की आवश्यकता है। डेटा का प्रावधान अधिकतम रूप से कम से कम दिलचस्प पैमाने पर उपलब्ध डेटा में अजीब हो सकता है, शायद अर्थव्यवस्था या गोपनीयता के मामले के रूप में।
मैं यह भी नोट करता हूं कि कई माप पहले स्थान पर होते हैं, अक्सर छोटे समय अंतराल और / या छोटे स्थान अंतराल पर औसत होते हैं, इसलिए डेटा अक्सर किसी भी मामले में औसत रूप से आते हैं।