كتب statistical significance
اذا لم تجد ما تبحث عنه يمكنك استخدام كلمات أكثر دقة.
الأهمية الإحصائية (معلومة)
في الكثير من الدراسات الإحصائية، تلعب دراسات الارتباط دورا حاسما في تأطير وتوجيه الدراسة خلال المرحلة الاستكشافية. الاكتفاء بتقعيد الاستنتاجات والخلاصات عبر حساب معاملات الارتباط الكبرى، دون اعتبار مسألة الارتباط الجزئي، يمكن أن يؤدي إلى مغالطات واستنتاجات غير مبنية، بل يمكن أن يضرب منهجية الدراسة من الأساس. الارتباط الجزئي مهم أيضا في عمليات كشف التداخل الخطي وتحليله وتشكل مرحلة ضرورية خلال تحليلات الانحدار الخطي والمتسلسلات الزمنية.
أهميته في الاستدلال الإحصائي
غالبا ما يكون الهدف من تحليلات الاستدلال الإحصائي الكشف عن علاقات سببية بين المتغيرات أو الظواهر المدروسة. هذه العملية غالبا ما تحفها مخاطر منهجية لعدم وجود تقابل بين مفهومي الارتباط والسببية. تحليل الارتباط الجزئي (إضافة لتقنيات أخرى مثل التداخل الخطي) تقنية تساعد على تقريب المفهومين وقد تسرع حسم أو نفي فرضيات سببية مثلما قد تفند "حقائق" إحصائية ناتجة عن تطبيق سطحي لمعاملات الارتباط الكلاسيكسة. تعرض المراجع الإحصائية أمثلة عديدة لهذا النوع من المشاكل المنهجية. مثلا:
- في بلد معين يمكن أن نلاحظ، عبر السنوات، وجود ارتباط إحصائي بين عدد محلات الأكلات السريعة ونسبة الناس المتعلمين: هل يمكن تأكيد فرضية تقول بأن وفرة هذا النوع من المحلات هي التي تؤدي إلى تجويد مستوى التعلم؟
- الارتباط بين مبيعات النظارات الصيفية ومبيعات الثلج خلال فصل الصيف: من الصعب افتراض أن ارتفاع استهلاك الثلج يؤدي إلى ارتداء النظارات الصيفية، كلا الظاهرتين محفزتان بسبب الفصل أو نسبة الأيام المشمسة.
الجدول التالي يجرد جميع الحالات الممكنة للعلاقة بين السببية ومفهومي الارتباط والارتباط الجزئي:
ينبغي التأكيد هنا على أن وجود ارتباط جزئي لا يكافئ بالضرورة وجود علاقة سببية بين المتغيرين المدروسين: على غرار معاملات الارتباط المطلقة، حساب الارتباط هو مؤشر موجه للدراسة و يجب دعمه، قبليا، بتقعيدات نظرية للعلاقات السببية لا تكون بالضرورة إحصائية، بل مستنبطة من المعارف النظرية المتراكمة في مجال الدراسة.
