Spurious ist ein Begriff, der verwendet wird, um eine statistische Beziehung zwischen zwei Variablen zu beschreiben, die auf den ersten Blick zu sein scheint kausal verwandt, aber bei näherer Betrachtung nur zufällig oder aufgrund der Rolle eines dritten Vermittlers Variable. In diesem Fall haben die beiden ursprünglichen Variablen eine "falsche Beziehung".
Dies ist ein wichtiges Konzept, das in den Sozialwissenschaften und in allen Wissenschaften, auf die man sich stützt, zu verstehen ist Statistiken als Forschungsmethode, da wissenschaftliche Studien häufig darauf abzielen, zu testen, ob ein kausaler Zusammenhang zwischen zwei Dingen besteht oder nicht. Wenn einer testet eine Hypothese, das ist im Allgemeinen das, wonach man sucht. Um die Ergebnisse einer statistischen Studie genau interpretieren zu können, muss man daher die Falschheit verstehen und sie in den eigenen Ergebnissen erkennen können.
Wie man eine falsche Beziehung erkennt
Das beste Werkzeug, um eine falsche Beziehung in Forschungsergebnissen zu erkennen, ist der gesunde Menschenverstand. Wenn Sie davon ausgehen, dass zwei Dinge, die möglicherweise gleichzeitig auftreten, nicht bedeuten, dass sie kausal zusammenhängen, haben Sie einen guten Start. Jeder Forscher, der ihr Salz wert ist, wird immer ein kritisches Auge haben, wenn er seine Forschungsergebnisse untersucht und weiß Das Versäumnis, alle möglicherweise relevanten Variablen im Verlauf einer Studie zu berücksichtigen, kann sich auf die Ergebnisse auswirken. Ergo muss ein Forscher oder kritischer Leser die in einer Studie verwendeten Forschungsmethoden kritisch untersuchen, um wirklich zu verstehen, was die Ergebnisse bedeuten.
Der beste Weg, um Unstimmigkeiten in einer Forschungsstudie zu beseitigen, besteht darin, sie von Anfang an im statistischen Sinne zu kontrollieren. Dazu müssen alle Variablen, die sich auf die Ergebnisse auswirken können, sorgfältig berücksichtigt und in Ihr statistisches Modell aufgenommen werden, um ihre Auswirkungen auf die abhängige Variable zu steuern.
Beispiel für falsche Beziehungen zwischen Variablen
Viele Sozialwissenschaftler haben ihre Aufmerksamkeit darauf gerichtet, herauszufinden, welche Variablen die abhängige Variable des Bildungsniveaus beeinflussen. Mit anderen Worten, sie sind daran interessiert zu untersuchen, welche Faktoren Einfluss darauf haben, wie viel formale Schulbildung und Abschlüsse eine Person in ihrem Leben erreichen wird.
Wenn Sie sich historische Trends beim Bildungsstand ansehen, gemessen an der Rasse, sehen Sie, dass asiatische Amerikaner zwischen 25 und 29 Jahren alt sind haben höchstwahrscheinlich das College abgeschlossen (60 Prozent von ihnen haben dies getan), während die Abschlussrate für Weiße 40 beträgt Prozent. Für Schwarze ist die Abschlussrate viel niedriger - nur 23 Prozent, während die hispanische Bevölkerung nur 15 Prozent hat.
Wenn man sich diese beiden Variablen ansieht, könnte man vermuten, dass Rasse einen kausalen Effekt auf den Abschluss des College hat. Dies ist jedoch ein Beispiel für eine falsche Beziehung. Es ist nicht die Rasse selbst, die das Bildungsniveau beeinflusst, sondern RassismusDies ist die dritte "versteckte" Variable, die die Beziehung zwischen diesen beiden vermittelt.
Rassismus beeinflusst das Leben von Farbigen so tief und vielfältig und prägt alles von wo aus sie leben, welche Schulen sie besuchen und wie sie in ihnen sortiert sind, wie viel ihre Eltern arbeiten, und wie viel Geld sie verdienen und sparen. Es beeinflusst auch, wie Lehrer ihre Intelligenz wahrnehmen und wie häufig und hart sie in Schulen bestraft werden. Auf all diese und viele andere Arten ist Rassismus eine kausale Variable, die sich auf das Bildungsniveau auswirkt, aber die Rasse ist in dieser statistischen Gleichung eine falsche.