KorAP: Find »[drukola/base=covariație & drukola/pos=noun]« with Poliqarp

<1 2 3 4 5 6 >

150 matches

Corola-publishinghouse/Science/2240_a_3565

nu mai există alte variabile confundabile adiționale neexaminate care să influențeze rezultatele. Fără o astfel de decizie simplificatoare volumul de conexiuni cauzale potențiale din lume ne-ar paraliza practic orice efort. Cauzalitatea, din punctul de vedere al modelării cauzale, presupune covariație, direcționalitate și raportare non-aparentă. Aceste trei aspecte sunt deschise, într-o oarecare măsură, observărilor empirice, pe când aspectul de impunere, element intrinsec al teoriei cauzale, nu este. În plus, mai există o altă trăsătură esențială a afirmației cauzale care, de obicei

[Corola-publishinghouse/Science/2240_a_3565]
prin numărul de votanți ca parte a populației totale. Sarcina modelatorului este de a selectea o construcție a variabilelor potrivită pentru proiectul său. Modelele cauzale încep cu modelarea, dar nu se opresc aici, căci acestea propun ideea unei legături de covariație sistematică între variabila independentă și cea dependentă, care este direcțională, plauzibilă și non-aparentă. După ce am discutat despre specificarea variabilelor, ne îndreptăm în continuare atenția spre specificarea conexiunii cauzale ipotetice dintre acestea. IV. Considerații asupra formei generale a modelului cauzal liniartc

[Corola-publishinghouse/Science/2240_a_3565]
ia o valoare asociată matematic cu aceasta, iar asocierea matematică respectivă să fie persistentă pentru toți X și toți Y. Rolul modelului este acela de a preciza cât se poate de exact funcția care să fie utilă descrierii tiparului de covariație direcțională așteptată pentru aceste valori. Foarte adesea găsim, chiar dacă nu în literatura de specialitate, diferite afirmații cauzale enunțate în formă de metaforă. Ni se spune că valorile lui X și Y apar sincronizate, conectate, legate, cuplate sau corelate. Aceste exprimări

[Corola-publishinghouse/Science/2240_a_3565]
este zero, indicând punctul în care linia pantei intersectează axa Y; • termenul de eroare (e), indicând cantitatea așteptată de variație aleatorie și neexplicată a variabilei dependente în raport cu variabila independentă considerată. Semnultc "Semnul" Direcția ipotetică a relației indică structura esențială a covariației așteptate dintre variabila independentă și cea dependentă. Aceasta ne arată dacă o creștere de o unitate în valoarea lui X se presupune a fi asociată în mod sistematic cu o creștere (+), sau o descreștere (-) în valoare a lui Y. În

[Corola-publishinghouse/Science/2240_a_3565]
negativă). Direcția unei relații este primul lucru care trebuie specificat într-un model cauzal și este, probabil, cel mai important lucru care trebuie avut în vedere la testare. Pantatc "Panta" Panta unei relații cauzale (b) indică forma funcțională așteptată a covariației dintre variabila independentă și cea dependentă. Pe lângă direcția propriu-zisă, aceasta indică nivelul schimbării așteptate în valoarea lui Y atunci când se modifică valoarea lui X. Premisa de bază o constituie aceea a omogenității funcției - pentru fiecare unitate adițională în X se

[Corola-publishinghouse/Science/2240_a_3565]
complet. Termenul de eroaretc "Termenul de eroare" Termenul de eroare indică variația din variabila dependentă care nu este explicată de variația variabilei independente. Este implauzibil ca tot ce știm despre valorile observabile ale lui Y să fie explicat doar prin covariația sa cu valorile lui X. Modelul nostru bivariat simplu ignoră în mod deliberat toate celelalte influențe posibile asupra lui Y. Dar chiar și în cazul unui model specificat plauzibil cu influențe cauzale multiple va exista întotdeauna o oarecare variație naturală

[Corola-publishinghouse/Science/2240_a_3565]
Afirmațiile cauzale presupun efectuarea unei diferențieri clare între variabilele dependente și cele independente a unei estimări a formei funcționale prevăzute pentru relația dintre aceste variabile și a unei estimări a mărimii părții variației din variabila dependentă care este explicată de către covariația direcțională cu variabila independentă. Orice model care nu satisface aceste proprietăți este incomplet din punct de vedere științific și, în consecință, de neacceptat. V. Concluziitc "V. Concluzii" Mesajul care se desprinde din aceste discuții este acela că enunțurile cauzale generale

[Corola-publishinghouse/Science/2240_a_3565]
în variabile care să varieze cu adevărat și să fie capabile să ia astfel valori diferite pentru observații diferite. Categoriile cu ajutorul cărora este înregistrată această variație vor trebui desemnate și ele. Apoi, afirmația cauzală va descrie un anume tipar de covariație direcțională, non-aparentă, plauzibilă între valorile variabilei dependente și valorile variabilei independente, care vor fi studiate într-o serie de observații. Specificarea completă a unei afirmații cauzale de tip liniar trebuie să includă patru elemente: semnul, panta, intersecția și termenul de

[Corola-publishinghouse/Science/2240_a_3565]
și strategia Nash mixtă. Cursul se va încheia cu un exemplu practic care ilustrează cum modelul de două persoane poate fi folosit în mod eficient în cercetare. În cele două cursuri precedente am examinat modelele cauzale care stabilesc relații de covariație direcțională între una sau mai multe variabile independente și o variabilă dependentă. De exemplu, clasa socială a proprietarilor ar putea constitui variabila independentă, iar suportul oferit de presă guvernului ar putea constitui variabila dependentă; majoritatea electorală a unui partid ar

[Corola-publishinghouse/Science/2240_a_3565]
mare, medie și scăzută. Scopul selecției intenționate este acela de a reprezenta complet gama anticipată de variație a variabilei independente. Numai pe această bază putem trece la testarea ipotezei propuse, spre a putea evalua dacă există un tipar sistematic de covariație cu variabila dependentă. Din nefericire, problemele legate de selectarea de eșantioane nu pot fi evitate pentru unele proiecte. Nu este întotdeauna posibil să se reprezinte într-un studiu întreaga variație a unei variabile independente din observațiile alese. De exemplu, cineva

[Corola-publishinghouse/Science/2240_a_3565]
acordăm încredere volumului, tipului și exactității lor. Aceste date trebuie apoi organizate și aranjate într-o manieră care să permită inferențe valide. Trebuie să fim în stare să evaluăm variația existentă pentru fiecare din variabilele ipotezei și să apreciem măsura covariației direcționale care apare la nivelul acestor variabile. Este necesar să examinăm tendința centrală a relației observate, gradul în care această tendință centrală exprimă gama de variație reală și probabilitatea ca tiparul inferit să nu apară doar din întâmplare. Acesta este

[Corola-publishinghouse/Science/2240_a_3565]
rezultatul iluzoriu al unor influențe cauzale exogene. De exemplu, în cazul unei ipoteze cauzale bivariate, dorim să descriem o relație în care Y covariază cu și dependent de X, măsura în care variația lui Y este captată de relația de covariație cu X și măsura în care suntem siguri că comportamentul lui Y, descris în funcție de covariația sa dependentă de X, constituie într-adevăr o descriere ce trebuie preferată față de altele posibile. Un test reușit își efectuează prezentarea de date colectate astfel încât

[Corola-publishinghouse/Science/2240_a_3565]
dorim să descriem o relație în care Y covariază cu și dependent de X, măsura în care variația lui Y este captată de relația de covariație cu X și măsura în care suntem siguri că comportamentul lui Y, descris în funcție de covariația sa dependentă de X, constituie într-adevăr o descriere ce trebuie preferată față de altele posibile. Un test reușit își efectuează prezentarea de date colectate astfel încât să obțină un randament maxim în aceste trei aspecte. Testarea constituie stadiul final al unui

[Corola-publishinghouse/Science/2240_a_3565]
mai succint posibil, nucleul esențial al datelor, fenomenul principal care poate fi sesizat din datele colectate și codificate. Tendința centrală înregistrează care este înfățișarea cazului tipic (atunci când se examinează o singură variabilă) și care este expresia ce reprezintă relația de covariație tipică (atunci când avem de-a face cu asocieri de două sau mai multe variabile). Orice set de date are o tendință centrală. Nu este nimic magic în descoperirea acesteia. Aceasta este doar o chestiune de identificare, care se desfășoară adesea

[Corola-publishinghouse/Science/2240_a_3565]
doar o chestiune de identificare, care se desfășoară adesea cu ajutorul utilizării unor formule standard. Nu toate observațiile din setul de date sunt asemenea cazului tipic; nu orice pereche de valori codificate ale variabilei independente și dependente se plasează la nivelul covariației tipice. Puterea statistică măsoară gradul de dispersie observat în jurul tendinței centrale. Aceeași tendință centrală poate exista în mai multe distribuții posibile de date. Datele pot, în general, să fie strâns reunite în jurul tendinței centrale, sau să se plaseze dispersat în jurul

[Corola-publishinghouse/Science/2240_a_3565]
mai lent. Să subliniem că acesta este doar un exercițiu de descrieri comparative la nivelul agregărilor univariate, luându-se în considerare fiecare variabilă în parte. Nu se face nici o încercare de a se infera cauzalitatea. Datele nu sunt bazate pe covariație la fiecare observare. Totuși, se pot extrage multe lucruri din statisticile comparative univariate. S-ar putea examina media și variația pentru inegalitatea de venit la nivelul statelor americane înainte și după plata beneficiilor de ajutor social. Cu cât reducerea coeficientului

[Corola-publishinghouse/Science/2240_a_3565]
de modul cum se efectuează aceste calcule, iar despre logica ce le justifică concluziile vom discuta imediat, dar trebuie mai întâi să examinăm aspectele legate de calcularea tendinței centrale și a puterii în raport cu relațiile bivariate, atunci când cercetătorul este interesat de covariațiile posibile dintre variabile. IV. Cvasi-experimentele: analiza bivariatătc "IV. Cvasi‑experimentele\: analiza bivariată" Cel mai adesea, în științele sociale cercetătorul este interesat nu doar de prezentarea unei singure variabile și a tiparului său de variație, ci a) de explicarea motivelor pentru

[Corola-publishinghouse/Science/2240_a_3565]
Forma uzuală a explicațiilor din științele sociale este cea a enunțurilor cauzale care afirmă că mișcarea de la nivelul variabilei dependente se face într-o oarecare măsură în funcție de mișcările autonome din cadrul unui set de variabile independente. Afirmația cauzală susține existența unei covariații sistematice între două sau mai multe variabile. Mai mult, aceasta susține o covariație direcțională, conform căreia anumite variabile exercită o influență asupra celorlalte, dar nu și viceversa. Într-un curs precedent am discutat în detaliu elementele unei ipoteze cauzale propuse

[Corola-publishinghouse/Science/2240_a_3565]
afirmă că mișcarea de la nivelul variabilei dependente se face într-o oarecare măsură în funcție de mișcările autonome din cadrul unui set de variabile independente. Afirmația cauzală susține existența unei covariații sistematice între două sau mai multe variabile. Mai mult, aceasta susține o covariație direcțională, conform căreia anumite variabile exercită o influență asupra celorlalte, dar nu și viceversa. Într-un curs precedent am discutat în detaliu elementele unei ipoteze cauzale propuse astfel. Avem acum sarcina să examinăm probele statistice care sunt utile în a

[Corola-publishinghouse/Science/2240_a_3565]
absolvirea uneia de către dreptaci. Sarcina inițială este aceea de a întocmi o distribuție de frecvență pentru fiecare observație și scorul acesteia pentru fiecare dintre variabile. Dar interesul meu depășește descrierea unei singure variabile; eu sunt în primul rând interesat de covariația observată pentru fiecare membru al eșantionului. În cazul în care avem două variabile categoriale dihotome, apar patru posibilități de covariație: dreptaci/absolvent, stângaci/absolvent, dreptaci/neabsolvent, stângaci/neabsolvent. Astfel voi întocmi o întabulare încrucișată a distribuției de frecvență care să

[Corola-publishinghouse/Science/2240_a_3565]
acesteia pentru fiecare dintre variabile. Dar interesul meu depășește descrierea unei singure variabile; eu sunt în primul rând interesat de covariația observată pentru fiecare membru al eșantionului. În cazul în care avem două variabile categoriale dihotome, apar patru posibilități de covariație: dreptaci/absolvent, stângaci/absolvent, dreptaci/neabsolvent, stângaci/neabsolvent. Astfel voi întocmi o întabulare încrucișată a distribuției de frecvență care să indice câți dintre intervievați și în ce procent apar în fiecare dintre compartimentele posibile. Ipoteza mea sugerează că ar trebui

[Corola-publishinghouse/Science/2240_a_3565]
variabila independentă (X) este înfățișată de-a lungul axei orizontale, iar variabila dependentă (Y) de-a lungul axei verticale. Se vor marca perechile potrivite de scoruri pentru fiecare observare, iar din aceasta va rezulta o etalare vizuală a modelului de covariație. Scopul este acela de a se analiza tiparul. Într-un curs precedent am stabilit că ipoteza pentru o relație continuă liniară bivariată include o direcție, o pantă, o intersecție și un termen de eroare. Acum vom dori să stabilim dacă

[Corola-publishinghouse/Science/2240_a_3565]
relații direcționale bivariate. Dar aspectele bidimensional și direcțional ale regresiei implică faptul că calcularea acesteia este întrucâtva mai complexă decât cea pentru media univariată. Atunci când calculăm coeficientul de pantă (b), numărătorul captează gradul de variație bidimensională. Acesta este suma întregii covariații pentru cele două variabile, așa cum apare aceasta pentru fiecare observație: Sș(Yi -)(Xi -)ț. Pentru orice observație (i), variația de la nivelul variabilei Y este (Yi - ), iar variația variabilei X este (Xi -). Covariația pentru observația i este rezultatul celor două scăderi

[Corola-publishinghouse/Science/2240_a_3565]
gradul de variație bidimensională. Acesta este suma întregii covariații pentru cele două variabile, așa cum apare aceasta pentru fiecare observație: Sș(Yi -)(Xi -)ț. Pentru orice observație (i), variația de la nivelul variabilei Y este (Yi - ), iar variația variabilei X este (Xi -). Covariația pentru observația i este rezultatul celor două scăderi. Covariația totală este pur și simplu suma scorurilor pentru toate observațiile din eșantion. Covariația poate fi interpretată într-un mod foarte simplu. Întrebarea care se pune este dacă atunci când observațiile pentru X

[Corola-publishinghouse/Science/2240_a_3565]
pentru cele două variabile, așa cum apare aceasta pentru fiecare observație: Sș(Yi -)(Xi -)ț. Pentru orice observație (i), variația de la nivelul variabilei Y este (Yi - ), iar variația variabilei X este (Xi -). Covariația pentru observația i este rezultatul celor două scăderi. Covariația totală este pur și simplu suma scorurilor pentru toate observațiile din eșantion. Covariația poate fi interpretată într-un mod foarte simplu. Întrebarea care se pune este dacă atunci când observațiile pentru X sunt sub media pentru X, au și observațiile pentru

[Corola-publishinghouse/Science/2240_a_3565]