क्या आप तानाशाह खेल के इस उदाहरण में सहसंबंध से कार्य-कारण का अनुमान लगा सकते हैं?

17

मैंने अभी-अभी परीक्षा दी थी जहाँ हमें दो चर के साथ प्रस्तुत किया गया था। तानाशाह के खेल में जहां एक तानाशाह को 100 USD दिए जाते हैं, और यह चुन सकता है कि अपने लिए कितना भेजना या रखना है, उम्र के बीच सकारात्मक संबंध था और प्रतिभागियों ने कितना पैसा रखने का फैसला किया।

मेरी सोच यह है कि आप इससे कार्य-कारण का अनुमान नहीं लगा सकते क्योंकि आप सहसंबंध से कार्य-कारण का अनुमान नहीं लगा सकते। मेरा सहपाठी सोचता है कि आप कर सकते हैं क्योंकि यदि आप, उदाहरण के लिए, प्रतिभागियों को तीन अलग-अलग समूहों में विभाजित करते हैं, तो आप देख सकते हैं कि वे कितना अलग रखते हैं और वे कितना साझा करते हैं, और इसलिए यह निष्कर्ष निकालता है कि उम्र उन्हें और अधिक रखने का कारण बनती है। कौन सही है और क्यों?

correlation causality

— JonnyBravo
स्रोत

8

आम तौर पर आप सहसंबंध से कार्य-कारण का अनुमान नहीं लगा सकते, जब तक कि आपके पास एक डिज़ाइन किया गया प्रयोग न हो।

— user2974951

6

सब कुछ जिसे हम अपनी दुनिया के बारे में व्यक्तियों के रूप में जानते हैं, हम सहसंबंध के माध्यम से जानते हैं। तो हाँ, हम सहसंबंध से कार्य-कारण का अनुमान लगा सकते हैं जहाँ तक यह कहा जा सकता है कि कार्य-कारण सभी में मौजूद है। बेशक, यह सही है मुश्किल है।

— Aleksandr Dubinsky

क्या यह तानाशाह खेल एक प्रयोगशाला में हो रहा है, जहां तानाशाह होने का काम यादृच्छिक है?

— दिमित्री वी। मास्टरोव

नमूना आकार क्या था?

— एंग्रीस्टुडेंट -

4

@ DimitriyV.Masterov, सबसे अधिक संभावना है कि सभी प्रतिभागियों को तानाशाह होने के लिए 'सौंपा' गया था और दूसरा खिलाड़ी एक संयंत्र था । हालांकि, मुझे यकीन है कि कोई भी उनकी उम्र के लिए यादृच्छिक रूप से असाइन नहीं किया गया था।

— गंग -

10

सामान्य तौर पर आपको यह नहीं मान लेना चाहिए कि सहसंबंध का अर्थ कार्य-कारण है - यहां तक कि उन मामलों में जहां ऐसा लगता है कि एकमात्र संभावित कारण है।

विचार करें कि ऐसी अन्य चीजें हैं जो उम्र के साथ संबंधित हैं - उदाहरण के लिए संस्कृति के पीढ़ीगत पहलू। शायद ये तीनों समूह सभी उम्र के समान ही रहेंगे, लेकिन अगली पीढ़ी इस प्रवृत्ति को रोक देगी?

यह सब कहा जा रहा है, आप शायद सही कह रहे हैं कि युवा लोगों के लिए एक बड़ी राशि रखने की अधिक संभावना है, लेकिन बस जागरूक रहें अन्य संभावनाएं हैं।

— MikeP
स्रोत

अन्य उत्तरों के अलावा, वर्तमान प्रयोग उस मॉडल के बीच नहीं समझा जा सकता है, जहां रखा गया धन उम्र का एक कार्य है, और जहां रखा गया धन जन्म के वर्ष का कार्य है। ध्यान दें कि दूसरा मॉडल पूरे इतिहास में गैर-रेखीय हो सकता है, और विभिन्न ऐतिहासिक अवधियों से लिया गया 20 साल पुराना बहुत अलग मात्रा में नकदी रखने का निर्णय ले सकता है।

— NofP

7

मैं आपके डेटा से कई कारण बता सकता हूं ।

आयु मापी जाती है और फिर रखी गई धनराशि। पुराने प्रतिभागी अधिक पैसा रखना पसंद करते हैं (हो सकता है कि वे अधिक होशियार या कम आदर्शवादी हों, लेकिन यह बात नहीं है)।
रखी गई राशि को मापा जाता है और फिर आयु। जो लोग अधिक पैसा रखते हैं वे इसे गिनने में अधिक समय व्यतीत करते हैं और इसलिए जब उम्र को मापा जाता है तो वे बड़े होते हैं।
बीमार लोग अधिक धन रखते हैं क्योंकि उन्हें दवा (उपचार) या उपचार के लिए धन की आवश्यकता होती है। वास्तविक सहसंबंध बीमारी और रखे गए धन के बीच है, लेकिन यह चर "छिपा हुआ" है और हम इसलिए गलत निष्कर्ष पर पहुंच जाते हैं, क्योंकि बीमारी की संभावना और प्रयोग के लिए चुने गए व्यक्तियों के जनसांख्यिकीय समूह में सहसंबंध होता है।

(143 सिद्धांतों को स्वीकार करते हुए; मुझे इसे यथोचित रूप से छोटा रखने की आवश्यकता है)

प्रयोगकर्ता ने एक पुरानी, अस्पष्ट बोली में बात की जिसे युवा लोग समझ नहीं पाए थे और इसलिए गलती से गलत विकल्प चुन लिया।

निष्कर्ष: आप सही हैं, लेकिन आपका सहपाठी 147 गुना सही होने का दावा कर सकता है।

एक अन्य प्रसिद्ध सह-संबंध कम IQ और रोजाना देखे जाने वाले टीवी के घंटों के बीच है। क्या टीवी देखने से एक गूंगा बनता है, या क्या गूंगा लोग अधिक टीवी देखते हैं? यह दोनों भी हो सकता है।

— Klaws
स्रोत

युवा अपने मूल्य को कम करके आंक सकते हैं, यह बताते हुए कि वे नेतृत्व में गरीब हैं। यदि वे मूल्य नहीं समझते हैं, तो वे रणनीतिक या यहां तक कि इसके बारे में तर्कसंगत रूप से क्यों तय कर सकते हैं।

— एंग्रीस्टूडेंट -

5

यह स्पष्ट नहीं है कि आप "सहपाठी के साथ 147 गुना सही होने का दावा कर सकते हैं"। सहपाठी गलत है - यह डेटा निष्कर्ष नहीं निकालता है कि उम्र साझा करने की कमी का कारण बनती है।

— नाभिकीय वांग

@ न्यूक्लियरवांग मुझे लगता है कि जब आप 150 समान रूप से परिकल्पना करते हैं, तो कोई भी संभावित नहीं है। यह सख्त नहीं है, जितना कि चित्रण का प्रयास है

— आआआआ कहती है मोनिका

2

एक और सिद्धांत: जीवित रहने का पूर्वाग्रह।

— R .. गिटहब स्टॉप हेल्पिंग ICE

1

खैर .... टीवी के पास ऐसा कुछ नहीं है जो इस वेब साइट की तरह चुनौतीपूर्ण हो।

— कार्ल

4

सामान्य तौर पर सहसंबंध से कारण का उल्लेख करना समस्याग्रस्त है क्योंकि सहसंबंध के कई अन्य कारण हो सकते हैं। उदाहरण के लिए, की वजह से नकली सहसंबंध confounders , चयन पूर्वाग्रह (जैसे, केवल एक निश्चित सीमा से नीचे एक आय के साथ प्रतिभागियों को चुनने), या कारण प्रभाव बस दूसरी दिशा (जैसे, एक थर्मामीटर तापमान के साथ जोड़ा जाता जाना लेकिन निश्चित रूप से हो सकता है कारण नहीं है यह)। इन मामलों में से प्रत्येक में, आपके सहपाठी की प्रक्रिया एक कारण प्रभाव पा सकती है जहां कोई नहीं है।

हालांकि, अगर प्रतिभागियों को बेतरतीब ढंग से चुना गया था, तो हम कन्फ्यूडर और चयन पूर्वाग्रह को नियंत्रित कर सकते हैं। उस मामले में, या तो उम्र का कारण होना चाहिए पैसा रखा या पैसा रखा चाहिए कारण उम्र । बाद का अर्थ यह होगा कि किसी को एक निश्चित राशि रखने के लिए मजबूर करने से किसी तरह उनकी उम्र बदल जाएगी। इसलिए हम सुरक्षित रूप से यह मान सकते हैं कि उम्र के कारण पैसे रखे जाते हैं ।

ध्यान दें कि कारण प्रभाव "प्रत्यक्ष" या "अप्रत्यक्ष" हो सकता है । अलग-अलग उम्र के लोगों ने एक अलग शिक्षा प्राप्त की होगी, धन की एक अलग राशि होगी, आदि, और इन कारणों से $ 100 की एक अलग राशि रखने का विकल्प चुन सकते हैं। इन मध्यस्थों के माध्यम से कारण प्रभाव अभी भी कारण प्रभाव हैं लेकिन अप्रत्यक्ष हैं।

— लुकास
स्रोत

3

दूसरे पैराग्राफ में आप उल्लेख करते हैं कि यह एक कारण होना चाहिए। ध्यान दें कि यह अभी भी यादृच्छिक चयन से शोर हो सकता है (अन्य बड़े प्रतिभागी पैसे खर्च करते हैं [वे उन्हें क्यों रखते हैं?] और अन्य युवा प्रतिभागियों ने पैसा रखा [मैं रिटायर / एक घर खरीदना चाहता हूं])।

— llrs

1

क्या यादृच्छिक चयन पर्याप्त है? सरल प्रयोगात्मक डिजाइनों में, हम "उपचार" का यादृच्छिक असाइनमेंट चाहते हैं --- यहां, उम्र --- कारण प्रभाव के बारे में वैध निर्णय के लिए। (बेशक, हम लोगों को विभिन्न आयु प्रदान नहीं कर सकते हैं, इसलिए यह सरल प्रायोगिक डिजाइन लागू करना संभव नहीं हो सकता है।)

— लोकोब्रो

1

यह एक अच्छा सवाल है। यदि हम एक पक्षपाती पूल से यादृच्छिक रूप से नमूना ले रहे थे, तो यादृच्छिक चयन से इस पूर्वाग्रह से छुटकारा नहीं मिलेगा। मुझे लगता है कि यहाँ धारणा यह है कि उसी कारण से जिसे आयु नहीं दी जा सकती है, उम्र का कोई भ्रम नहीं हो सकता है (कारण आरेख में उम्र का कोई तीर नहीं है)। इसलिए, प्रेक्षण है काम के रूप में अच्छा के रूप में (यानी,

do-पथरी की भाषा में) कोई चयन पूर्वाग्रह है जब वहाँ।

p (y ∣ do (a g e)) = p (y ∣ a g e)

$p(y \mid \text{do}(age)) = p(y \mid age)$

— लुकास

4

आपने एक संभावना को बाहर रखा है। A और B के बीच संबंध को इस प्रकार समझाया जा सकता है: A, B या B का कारण हो सकता है A, या एक अन्य पूर्व अज्ञात कारक C, A और B दोनों का कारण हो सकता है

— टिम रान्डेल

1

@locobro: क्या यह वास्तव में एक कन्फ़्यूज़न है या चयन पूर्वाग्रह का एक रूप है? चूंकि आप अभी भी जीवित लोगों के लिए चयन कर रहे हैं। फिर भी एक दिलचस्प अवलोकन, जिसके बारे में मैंने नहीं सोचा था, इसलिए शायद यहाँ यादृच्छिक चयन संभव नहीं है।

— लुकास

3

सहसंबंध एक गणितीय अवधारणा है; कार्य-कारण एक दार्शनिक विचार है।

दूसरी ओर, नकली सहसंबंध एक है ज्यादातर तकनीकी (आप उपाय के सैद्धांतिक संभाव्यता की पाठ्यपुस्तकों में मिल नहीं होगा) अवधारणा है कि एक तरीका है कि ज्यादातर कार्रवाई योग्य है में परिभाषित किया जा सकता है।

यह विचार विज्ञान में मिथ्याकरण के विचार से निकटता से जुड़ा हुआ है - जहाँ लक्ष्य कभी भी चीजों को साबित नहीं करना है, केवल उन्हें नापसंद करना है।

सांख्यिकी गणित के लिए है क्योंकि दवा जीव विज्ञान के लिए है। आपको तकनीकी ज्ञान के धन के समर्थन से अपना सर्वश्रेष्ठ निर्णय लेने के लिए कहा जाता है, लेकिन यह ज्ञान पूरी दुनिया को कवर करने के लिए पर्याप्त नहीं है। इसलिए यदि आप एक सांख्यिकीविद् के रूप में निर्णय लेने जा रहे हैं और उन्हें दूसरों के सामने पेश कर रहे हैं, तो आपको गुणवत्ता के कुछ मानकों को पूरा करने की आवश्यकता है; यानी कि आप ध्वनि सलाह दे रहे हैं, उन्हें उनके पैसे का मूल्य दे रहे हैं। इसका मतलब यह भी है कि जोखिमों की विषमता को ध्यान में रखते हुए - चिकित्सा परीक्षण में, एक गलत नकारात्मक परिणाम देने की लागत (जो लोगों को जल्दी इलाज कराने से रोक सकती है) एक झूठी सकारात्मक देने की लागत से अधिक हो सकती है (जो संकट का कारण बनता है) ।

व्यवहार में ये मानक अलग-अलग क्षेत्रों में अलग-अलग होते हैं - कभी-कभी यह ट्रिपल-ब्लाइंड RCT होता है, कभी-कभी यह रिवर्स वेरिएशन और छिपे हुए सामान्य कारणों को नियंत्रित करने के लिए इंस्ट्रूमेंटल वैरिएबल और अन्य तकनीकें होती हैं, कभी-कभी यह ग्रेंजर कारण भी होता है - कि अतीत में कुछ लगातार मानकों के साथ सहसंबद्ध होता है उपस्थिति में कुछ और, लेकिन रिवर्स दिशा में नहीं। यह कठोर नियमितीकरण और क्रॉस-सत्यापन भी हो सकता है।

— user8948
स्रोत

3

(-1) आजकल के व्यापक गणितीय उपचार का कारण है। उदाहरण के लिए, यहूदिया पर्ल के काम को देखें। इसके अलावा, क्या है एक "तकनीकी" और "सबसे क्रियात्मक" स्थानिक सहसंबंध की परिभाषा?

— जूलियन शूसेलर

3

सहसंबंध और कार्य के बीच संबंध सदियों से दार्शनिकों और सांख्यिकीविदों को एक समान करते हैं। अंत में, पिछले बीस वर्षों में या तो कंप्यूटर वैज्ञानिकों का दावा है कि यह सब कुछ हल कर दिया गया है। यह व्यापक रूप से ज्ञात नहीं है। सौभाग्य से, यहूदिया पर्ल, इस क्षेत्र में एक प्रमुख प्रस्तावक, ने हाल ही में एक पुस्तक प्रकाशित की है जो एक लोकप्रिय दर्शकों के लिए इस काम को समझाती है: द बुक ऑफ़ व्हाई।

https://www.amazon.com/Book-Why-Science-Cause-Effect/dp/046509760X

https://bigthink.com/errors-we-live-by/judea-pearls-the-book-of-why-brings-news-of-a-new-science-of-causes

स्पॉयलर अलर्ट: यदि आप जानते हैं कि आप क्या कर रहे हैं, तो आप कुछ परिस्थितियों में सहसंबंध से कारण का अनुमान लगा सकते हैं। आपको (कुछ कारण मॉडल, आदर्श रूप से विज्ञान पर आधारित) शुरू करने के लिए कुछ कारण धारणाएँ बनाने की आवश्यकता है। और आपको जवाबी तर्क (द डू-अलजेब्रा) करने के लिए उपकरणों की आवश्यकता है। क्षमा करें, मैं इसे कुछ पंक्तियों तक नहीं बढ़ा सकता (मैं अभी भी स्वयं पुस्तक पढ़ रहा हूं), लेकिन मुझे लगता है कि आपके प्रश्न का उत्तर है।

— गैरेथ
स्रोत

5

पर्ल और उनके काम काफी प्रमुख हैं। यह एक असामान्य सांख्यिकीविद् होगा जिसने इसके बारे में कभी नहीं सुना। ध्यान दें कि क्या उसने वास्तव में "यह सब सुलझा लिया है" बहस के लिए बहुत खुला है। कोई सवाल नहीं है कि उनके तरीके कागज पर काम करते हैं (जब आप यह मान सकते हैं कि मान्यताओं को पूरा किया जा सकता है), लेकिन वास्तविक स्थितियों में काम करना कितना खतरनाक है।

— गूँग - मोनिका

4

मैं एक ही समय में (+1) और (-1) देना चाहता हूं, इसलिए मुझे कोई वोट नहीं देना चाहिए। यहूदिया पर्ल और उसके काम का उल्लेख करने के लिए (+1) है; उनके कार्य निश्चित रूप से कारण सांख्यिकी के क्षेत्र को स्थापित करने में मदद करते हैं। यह कहने के लिए (-1) सदियों से दार्शनिकों और सांख्यिकीविदों को स्टंप किया गया था लेकिन अब पर्ल ने इसे हल कर दिया है। मेरा मानना है कि पर्ल दृष्टिकोण चीजों के बारे में सोचने का सबसे अच्छा तरीका है, लेकिन एक ही समय में, यदि आप इस दृष्टिकोण का उपयोग करते हैं (जो आपको चाहिए), तो आपका जवाब है "यदि मेरी अप्राप्य धारणाएं सही हैं, तो मैंने एक कारण संबंध दिखाया है। आइए उन मान्यताओं के बारे में हमारी उंगलियों को पार करें ”।

— क्लिफ एबी

2

btw, मेरा अंतिम वाक्य पर्ल के दृष्टिकोण को नहीं बढ़ा रहा है। इसके बजाय, यह पहचान रहा है कि कारण निष्कर्ष अभी भी बहुत कठिन है और आपको अपने विश्लेषण की सीमाओं के बारे में ईमानदार रहने की आवश्यकता है।

— क्लीप एबी

1

पर्ल एक तरह के नव-बायेसिज्म (महान ईटी जेनेस के नक्शेकदम पर चलते हुए) को बढ़ावा देता है जो जानने लायक है। लेकिन आपका खुद का जवाब कहता है: << आपको (कुछ कारण मॉडल, आदर्श रूप से विज्ञान पर आधारित) के साथ शुरू करने के लिए कुछ कारण धारणाएँ बनाने की आवश्यकता है। >> - वहाँ आप जाते हैं। Jaynes मुख्यधारा के आँकड़ों की एक प्रमुख आलोचक थी, जो स्पष्ट पुजारी देने से कतराती है और इसके बजाय "उद्देश्य" प्रणालियों का विरोध करती है जहाँ कार्य-कारण खो जाता है। पर्ल आगे चला जाता है और हमें महंतों से कूल्हे के लिए उपलब्ध होने करणीय मान्यताओं लिए टूल प्रदान करता है - जो है नहीं करणीय पूर्व nihilo।

— user8948

1

मैं भी शुरुआत में अत्यधिक काव्यात्मक भाग के लिए +1 से बच रहा हूं। मेरा मतलब है, बहुत सी चीजों ने " उम्र के लिए [किसी प्रकार के बुद्धिजीवियों] को रोक दिया है ", लेकिन इस तरह के अवलोकन पक्षपाती नमूने के परिणामस्वरूप होते हैं और मानव ज्ञान के इस झूठे आख्यान में खेलते हैं जैसे कि यह किसी प्रकार की ब्लॉक श्रृंखला है - हर कोई पढ़ता है और लिखता है। लेकिन, यह दावा करना बेबुनियाद है कि उम्र भर किसी ने भी एक अवधारणा को केवल इसलिए नहीं समझा क्योंकि यह दूसरों द्वारा गलत समझा गया था। शेख़ी के लिए क्षमा करें, बस, प्रारंभिक नाटकीय भाषा बाकी से अलग करने के लिए लगता है।

— नेट

2

इस मामले में उम्र के लिए कारण का दावा अनुचित होगा

आपके परीक्षा प्रश्न के डिजाइन में कारण का दावा करने के साथ समस्या को एक साधारण तथ्य तक उबाला जा सकता है: उम्र बढ़ने का इलाज नहीं था, उम्र में हेरफेर नहीं किया गया था। नियंत्रित अध्ययन करने का मुख्य कारण ठीक है क्योंकि, ब्याज के चर पर हेरफेर और नियंत्रण के कारण, आप कह सकते हैं कि एक चर में परिवर्तन परिणाम में परिवर्तन का कारण बनता है (बेहद विशिष्ट प्रयोगात्मक परिस्थितियों में और नाव-लोड के साथ) यादृच्छिक असाइनमेंट जैसी अन्य मान्यताओं और प्रयोग करने वाले को निष्पादन विवरण में कुछ पेंच नहीं है, जिसे मैं आकस्मिक रूप से यहाँ पर चमकता हूं)।

लेकिन यह नहीं है कि परीक्षा के डिजाइन का वर्णन क्या है - इसमें प्रतिभागियों के दो समूह हैं, एक विशिष्ट तथ्य के साथ जो उन्हें ज्ञात (उनकी उम्र) में अंतर करता है; लेकिन आपके पास समूह के अलग-अलग तरीकों को जानने का कोई तरीका नहीं है। नियंत्रण की कमी के कारण, आप यह नहीं जान सकते हैं कि क्या यह उम्र का अंतर था जो परिणाम में बदलाव का कारण बना, या अगर यह 40 साल के बच्चों के अध्ययन में शामिल होने का कारण है, क्योंकि उन्हें पैसे की जरूरत है जबकि 20 साल के बच्चे थे जो छात्र कक्षा क्रेडिट के लिए भाग ले रहे थे और उनकी अलग-अलग प्रेरणाएँ थीं - या आपके समूहों में एक हजार अन्य संभावित प्राकृतिक अंतरों में से कोई एक।

अब, इस प्रकार की चीजों के लिए तकनीकी शब्दावली क्षेत्र के अनुसार बदलती रहती है। प्रतिभागी की उम्र और लिंग जैसी चीजों के लिए सामान्य शब्द "प्रतिभागी विशेषता", "विलुप्त चर", "विशेषता स्वतंत्र चर", आदि हैं। अंततः आप एक ऐसी चीज के साथ अंत करते हैं जो "सही प्रयोग" या "सही नियंत्रित प्रयोग" नहीं है। क्योंकि जिस चीज़ के बारे में आप दावा करना चाहते हैं - जैसे उम्र - वास्तव में बदलने के लिए आपके नियंत्रण में नहीं थी, इसलिए सबसे अधिक आप बिना अधिक उन्नत तरीकों (जैसे कि कारण अनुमान, अतिरिक्त शर्तें, अनुदैर्ध्य डेटा, आदि) के लिए आशा कर सकते हैं दावा है कि सहसंबंध है।

यह भी एक कारण है कि सामाजिक विज्ञान में प्रयोग, और लोगों की हार्ड-टू-कंट्रोल विशेषताओं को समझने के लिए, व्यवहार में इतना मुश्किल है - लोग बहुत तरीकों से भिन्न होते हैं, और जब आप अपनी इच्छित चीज़ों को बदल नहीं सकते हैं के बारे में जानने के लिए, आपको अधिक जटिल प्रायोगिक और ह्रास संबंधी तकनीकों या पूरी तरह से एक अलग रणनीति की आवश्यकता है।

आप कार्य-कारण का दावा करने के लिए डिज़ाइन को कैसे बदल सकते हैं?

इस तरह के एक काल्पनिक परिदृश्य की कल्पना करें: समूह ए और बी दोनों उन प्रतिभागियों से बने हैं जो 20 वर्ष के हैं।

आपके पास समूह A हमेशा की तरह तानाशाही खेल है।

ग्रुप बी के लिए, आप विज्ञान के एक जादुई एजिंग रे (या शायद एक भयावह दृश्य के साथ भूत का इलाज करके ) को बाहर निकालते हैं , जिसे आपने ग्रुप बी में सभी प्रतिभागियों को उम्र बढ़ने के लिए ध्यान से देखा है ताकि वे अब 40 साल के हो जाएं, लेकिन अन्यथा उन्हें अपरिवर्तित छोड़ देना, और फिर उन्हें तानाशाह खेल खेलना था जैसे कि ग्रुप ए ने किया था।

अतिरिक्त कठोरता के लिए आप सिंथेटिक एजिंग की पुष्टि करने के लिए स्वाभाविक रूप से 40 साल के बच्चों के एक समूह सी को प्राकृतिक उम्र बढ़ने के साथ तुलना कर सकते हैं, लेकिन चीजों को सरल रखने और हम कहते हैं कि हम जानते हैं कि कृत्रिम उम्र बढ़ने वाली चीज वास्तविक रूप से "पूर्व" पर आधारित है काम"।

अब, यदि ग्रुप बी ग्रुप ए की तुलना में अधिक पैसा रखता है, तो आप दावा कर सकते हैं कि प्रयोग इंगित करता है कि उम्र बढ़ने के कारण लोगों को अधिक पैसा रखने का कारण बनता है। बेशक, अभी भी लगभग एक हजार कारण हैं कि आपका दावा गलत क्यों हो सकता है, लेकिन आपके प्रयोग में कम से कम एक वैध कारण व्याख्या है।

— BrianH
स्रोत

2

नहीं, कार्य-कारण और सह-संबंध के बीच एकतरफा तार्किक संबंध है।

सहसंबंध पर विचार करें एक संपत्ति जिसे आप कुछ डेटा पर गणना करते हैं, जैसे कि पीयरसन द्वारा परिभाषित सबसे आम (रैखिक) सहसंबंध। सहसंबंध की इस विशेष परिभाषा के लिए आप यादृच्छिक डेटा बिंदु बना सकते हैं जिसमें शून्य या एक का सहसंबंध होगा, उनके बीच किसी भी प्रकार की कार्यकुशलता के बिना, केवल कुछ (ए) समरूपता होने से। सहसंबंध की किसी भी परिभाषा के लिए आप एक पर्चे बना सकते हैं जो दोनों व्यवहारों को दिखाएगा: सहसंबंध के उच्च मूल्यों के बीच कोई गणितीय संबंध नहीं है और सहसंबंध के कम मूल्यों, भले ही एक निश्चित अभिव्यक्ति हो।

हां, "असंबंधित, लेकिन अत्यधिक सहसंबद्ध" से संबंध "संबंधित होने के बावजूद कोई संबंध नहीं" से कमजोर है। लेकिन एकमात्र संकेत (!) यदि आपके पास सहसंबंध मौजूद है, तो आपको इसके लिए स्पष्टीकरण के लिए कठिन दिखना होगा।

— चेस्र्ब
स्रोत

"कोई सहसंबंध" की तुलना में एक उच्च बार सांख्यिकीय स्वतंत्रता है, जिसका अर्थ है P (A | B) = P (A)। दरअसल, पियर्सन सहसंबंध शून्य सांख्यिकीय स्वतंत्रता का अर्थ नहीं है, लेकिन उदाहरण के लिए शून्य दूरी सहसंबंध करता है।

— user8948

2

आम तौर पर आप सहसंबंध से करणीय तक नहीं कूद सकते। उदाहरण के लिए, सामाजिक स्थिति / वर्ग और खर्च / बचत करने की प्रवृत्ति के बारे में एक प्रसिद्ध सामाजिक विज्ञान घटना है। कई लोगों के लिए कई साल यह माना जाता था कि इस से पता चला है करणीय। पिछले साल अधिक गहन शोध से पता चला कि यह नहीं था।

क्लासिक "सहसंबंध कार्य-कारण नहीं है" - इस मामले में, भ्रमित कारक यह था कि गरीबी में बढ़ रहा है लोगों को पैसे का अलग-अलग उपयोग करना सिखाता है, और अगर कोई अधिशेष है, तो खर्च करना क्योंकि यह कल भी नहीं हो सकता है यदि विभिन्न कारणों से बचाया जाए ।

अपने उदाहरण में, मान लीजिए कि पुराने लोग एक युद्ध के माध्यम से रहते थे, जो कि छोटे लोग नहीं करते थे। लिंक यह हो सकता है कि जो लोग सामाजिक अराजकता में पले-बढ़े हैं, उन्हें नुकसान और जीवन के नुकसान का वास्तविक खतरा है, वे अपने लिए बचत संसाधनों को प्राथमिकता देना सीखते हैं और जरूरत से ज्यादा उन लोगों से अधिक होते हैं, जो राज्य, नियोक्ताओं, या अधिक खुशहाल परिस्थितियों में बड़े होते हैं। स्वास्थ्य बीमाकर्ता इसका ध्यान रखेंगे, और उत्तरजीविता कोई मुद्दा नहीं है जो उनके दृष्टिकोण को आकार देता है। फिर आपको वही स्पष्ट लिंक मिलेगा - पुराने लोग (जिनमें उनकी पीढ़ी के करीब भी शामिल हैं) अधिक रखते हैं, लेकिन यह केवल स्पष्ट रूप से उम्र से जुड़ा होगा । वास्तव में करणीय तत्व वह सामाजिक स्थिति है जिसमें व्यक्ति प्रारंभिक वर्षों में बिताता है, और कौन सी आदतें सिखाता है - प्रति उम्र नहीं ।

— Stilez
स्रोत

2

इस निष्कर्ष का कोई मतलब नहीं है कि कुछ कारण हैं।

यह एक निर्धारित परिकल्पना नहीं है।
कोई नियंत्रण समूह नहीं है।
आयु एक परिवर्तनीय जोखिम कारक नहीं है ... आप किस प्रश्न के आधार पर पूछना चाह रहे हैं।

डिज़ाइन में सुझाया गया सुधार निम्नलिखित क्रॉस-ओवर प्रकार का अध्ययन है।

$p_1$ $p_2$

— Adamo
स्रोत

1

कारणों और सहसंबंध चीजों की विभिन्न श्रेणियां हैं। यही कारण है कि सहसंबंध केवल अनुमानित कार्य-कारण के लिए पर्याप्त नहीं है।

उदाहरण के लिए, करणीय दिशात्मक है , जबकि सहसंबंध नहीं है। कार्य-कारण का अनुमान लगाते समय, आपको यह स्थापित करने की आवश्यकता है कि क्या कारण है और क्या प्रभाव है।

ऐसी अन्य चीजें हैं जो आपके अनुमान में हस्तक्षेप कर सकती हैं। छिपे हुए या तीसरे चर और आंकड़ों के सभी प्रश्न (नमूना चयन, नमूना आकार, आदि)

लेकिन यह मानते हुए कि आपके आंकड़े ठीक से काम कर रहे हैं, सहसंबंध करणीय के बारे में सुराग प्रदान कर सकता है । आमतौर पर, यदि आप एक सहसंबंध पाते हैं, तो इसका मतलब है कि कहीं न कहीं किसी प्रकार का करणीय है और आपको इसकी तलाश शुरू करनी चाहिए।

आप अपने सहसंबंध से प्राप्त एक परिकल्पना के साथ शुरू कर सकते हैं । लेकिन एक परिकल्पना एक कारण नहीं है, यह केवल एक कारण की संभावना है। फिर आपको इसका परीक्षण करने की आवश्यकता है। यदि आपकी परिकल्पना पर्याप्त मिथ्याकरण प्रयासों का विरोध करती है, तो आप कुछ पर हो सकते हैं।

उदाहरण के लिए, आपके आयु-कारण-लालच की परिकल्पना में, एक वैकल्पिक परिकल्पना यह होगी कि यह उम्र नहीं है, लेकिन तानाशाह होने की लंबाई है। तो आप एक नियंत्रण समूह के रूप में पुराने, लेकिन हाल ही में सशक्त तानाशाहों की तलाश करेंगे और एक दूसरे के रूप में युवा-लेकिन-तानाशाह-बचपन से और वहां के परिणामों की जांच करेंगे।

— टॉम
स्रोत

-2

इस पोस्ट पर बहुत चर्चा और विवाद के बिंदुओं के लिए @AdamO को धन्यवाद। मैं कार्य-कारण के भौतिक दृष्टिकोण की पेशकश करने की कोशिश कर रहा हूं, जो आंकड़ों के औसत पाठक के लिए अपरिचित हो सकता है।

आप एक भौतिक विज्ञान के दृष्टिकोण से सही हैं। सरलतम रूप में, कार्य-कारण के भौतिक-स्वतंत्र दृष्टिकोण की संभावना वैज्ञानिक स्पष्टीकरण के कटौती-नाममात्र (डीएन) दृष्टिकोण के आधार पर है , एक घटना पर विचार करने के लिए अगर यह समझा जाए कि यह वैज्ञानिक कानून के तहत लिया जा सकता है। डीएन दृश्य में, एक भौतिक स्थिति को समझा जाता है यदि, (निर्धारक) कानून को लागू करते हुए, इसे दी गई प्रारंभिक स्थितियों से लिया जा सकता है। (ऐसी प्रारंभिक स्थितियों में किसी भी समय बाइनरी सितारों के एक-दूसरे से दूरी और दूरी शामिल हो सकती है।) इस तरह के 'निर्धारक द्वारा स्पष्टीकरण' को कभी-कभी कारण निर्धारण के रूप में संदर्भित किया जाता है।

इस बारे में थोड़ा और अधिक पूरा होने पर, एक वैज्ञानिक स्पष्टीकरण बनाने के लिए हेमपेल के आगमनात्मक-सांख्यिकीय मॉडल को शामिल किया जाएगा , जो लिंक कार्य-कारण की अधिक संपूर्ण चर्चा प्रदान करता है।

हाथ में समस्या के लिए, उम्र अनुभव से संबंधित हो सकती है, लेकिन संबंध सरल नहीं है, इसके अलावा, अलग-अलग उम्र में मस्तिष्क का कार्य अलग है (समय सीमांकन उम्र के साथ फैलता है)। व्यवहार के एक संशोधक के रूप में अनुभव काफी परिवर्तनशील है, और सिर्फ इसलिए कि एक निश्चित क्षेत्रीय और लौकिक अर्थ में एक सहकर्मी के समान ऐतिहासिक अनुभव हो सकता है इसका मतलब यह नहीं है कि उन अनुभवों से उत्पन्न किसी भी व्यवहार को विरोधाभास के डर के बिना अन्य सहकर्मियों के लिए extrapolated किया जा सकता है। एक नियंत्रित परीक्षण के संबंध में, अनुभवों की समानता एक अनियंत्रित चर है जो किसी भी द्विआधारी तुलना में एक अज्ञात और अस्पष्टीकृत सहसंबंधी राशि का परिचय देती है, ताकि किसी भी अंतर को पाया नहीं जाना चाहिए। इसके अलावा, एक संभावित कारण, जब मिला, केवल एक संदेह का गठन कर सकता है और ऐसा कुछ नहीं जिसे कोई दोषी ठहरा सके; यह सबसे अच्छा काम कर रही परिकल्पना है सबसे अच्छा निष्कर्ष नहीं है। कार्य-कारण से संबंधित निष्कर्ष केवल साक्ष्य के एक निकाय से निकाले जाने चाहिए जो कि उन दोषों के लिए उचित संदेह के बिना पर्याप्त रूप से समावेशी हो। उपरोक्त प्रश्न के लिए वह मामला नहीं है जिसके लिए कोहोर्ट समूहन से एक संयोग संदर्भ से परे किसी भी कारण संबंध का दावा करने के लिए पर्याप्त जानकारी नहीं है। उदाहरण के लिए, कोई व्यक्ति वास्तव में इतनी सारी परिकल्पनाएँ तैयार कर सकता है, कि उम्र के साथ उदारता का विकास सांस्कृतिक / ऐतिहासिक युगों के अनुभव द्वारा संशोधित किया जाता है, जैसा कि कहा गया है कि समस्या से कोई ठोस निष्कर्ष नहीं निकाला जा सकता है। कार्य-कारण से संबंधित निष्कर्ष केवल साक्ष्य के एक निकाय से निकाले जाने चाहिए जो कि उन दोषों के लिए उचित संदेह के बिना पर्याप्त रूप से समावेशी हो। उपरोक्त प्रश्न के लिए वह मामला नहीं है जिसके लिए कोहोर्ट समूहन से एक संयोग संदर्भ से परे किसी भी कारण संबंध का दावा करने के लिए पर्याप्त जानकारी नहीं है। उदाहरण के लिए, कोई व्यक्ति वास्तव में इतनी सारी परिकल्पनाएँ तैयार कर सकता है, कि उम्र के साथ उदारता का विकास सांस्कृतिक / ऐतिहासिक युगों के अनुभव द्वारा संशोधित किया जाता है, जैसा कि कहा गया है कि समस्या से कोई ठोस निष्कर्ष नहीं निकाला जा सकता है। कार्य-कारण से संबंधित निष्कर्ष केवल साक्ष्य के एक निकाय से निकाले जाने चाहिए जो कि उन दोषों के लिए उचित संदेह के बिना पर्याप्त रूप से समावेशी हो। उपरोक्त प्रश्न के लिए वह मामला नहीं है जिसके लिए कोहोर्ट समूहन से एक संयोग संदर्भ से परे किसी भी कारण संबंध का दावा करने के लिए पर्याप्त जानकारी नहीं है। उदाहरण के लिए, कोई व्यक्ति वास्तव में इतनी सारी परिकल्पनाएँ तैयार कर सकता है, कि उम्र के साथ उदारता का विकास सांस्कृतिक / ऐतिहासिक युगों के अनुभव द्वारा संशोधित किया जाता है, जैसा कि कहा गया है कि समस्या से कोई ठोस निष्कर्ष नहीं निकाला जा सकता है।

— कार्ल
स्रोत

अगर X-> M और M-> Y सबसे सहमत होंगे X कारण Y (मध्यस्थता)। मुझे लगता है कि आपको इस बारे में स्पष्ट होना चाहिए कि "तीसरा" चर विशेष रूप से कैसे शामिल होता है: कोलाइडर पूर्वाग्रह और उलझन अभी तक एक और "तीसरा चर" मामला है।

— एडमो

@ अदमो अंतरायन चर (X → W → Y), यदि अनिर्दिष्ट हो, तो अप्रत्यक्ष करण प्रत्यक्ष हो सकता है। इस वजह से, प्रायोगिक रूप से पहचाने गए सहसंबंध कार्य-कारण संबंधों का प्रतिनिधित्व नहीं करते हैं जब तक कि हानिकारक रिश्तों को खारिज नहीं किया जा सकता है। मैं उन लोगों के लिए मधुर रिश्तों की कड़ी में हूं जो इसके बारे में अधिक पढ़ना चाहते हैं।

— कार्ल

1

हाय @ कार्ल, विकी लिंक के लिए धन्यवाद। मैंने आपके द्वारा उल्लिखित पाठ को संपादित किया है क्योंकि "शायद बीच में आने वाली चर" जैसी कोई चीज नहीं है, शायद धर्मशास्त्र में यह उम्मीद है। सही शब्द मध्यस्थता है। अगर आप औपचारिक संदर्भ चाहते हैं तो पर्ल ने इसके बारे में बहुत कुछ लिखा है। उदाहरण: आहार (x) से नमक का छूटना अंतर्जात ouabain (m) को कम करता है, और अतिरिक्त ouabain रक्तचाप (y) बढ़ाता है। हालांकि, नमक (x) को कम करने की सिफारिशें रक्तचाप (y) को कम करने में प्रभावकारी हैं। ऑबैन "हस्तक्षेप" नहीं करता है, बल्कि यह मध्यस्थता करता है: (एम) ठीक यही कारण है कि (एक्स) काम करता है। हम शायद ही कभी प्रत्यक्ष प्रभाव में रुचि रखते हैं।

— एडमों

नमस्ते, @ अदमो, आम उपयोग और सटीक भाषा में अंतर है। उदाहरण के लिए, (1) लोग कहते हैं "धूम्रपान (सिगरेट) फेफड़ों के कैंसर का कारण बनता है।" क्या यह? स्टोकेस्टिक घटना के लिए धूम्रपान प्राकृतिक पूर्वानुमान को संशोधित करता है। यही है, यह फेफड़ों के कैंसर होने की बाधाओं को बढ़ाता है। (२) शास्त्रीय अंग्रेजी व्याकरण में, हम कहते हैं कि एक विशेषण एक संज्ञा को संशोधित करता है। यह कहना कम समझ में आता है कि "धूम्रपान फेफड़ों के कैंसर की मध्यस्थता करता है" या यह कि एक विशेषण "मध्यस्थता" एक संज्ञा है। मुझे कोई संदेह नहीं है कि कोई व्यक्ति "मध्यस्थता" शब्द का उपयोग कर रहा है। हालाँकि, यह शब्द का एक सटीक उपयोग प्रतीत होता है।

— कार्ल

4

"यहां तक कि इसके सबसे उत्साही अधिवक्ता यह कहने में विफल रहते हैं कि धूम्रपान फेफड़ों के कैंसर के अनुपात को कैसे बढ़ाता है।" - अप्रासंगिक: यह सवाल नहीं था, और न ही उचित प्रतिपक्षीय तर्क का उपयोग करके कारण घोषित करना आवश्यक है। "सभी फेफड़े के कैंसर धूम्रपान के कारण 'नहीं' होते हैं - जो कभी भी निहित नहीं था और फिर से, अप्रासंगिक। दोबारा, कृपया Causality को पढ़ें और उसके बाद अपने विचार साझा करें।

— एडमो