Причинный анализ
-
Планирование эксперимента и анализ вариаций данных
Экспериментальный дизайн (DOE/DOX): планирование экспериментов для анализа влияния факторов на результаты. Оптимизация, контроль переменных, прогнозирование.
-
Корреляция не означает причинно-следственную связь: разбор логической ошибки.
Корреляция ≠ причинно-следственная связь: разбор логической ошибки. Объясняем, почему нельзя делать выводы о причине и следствии только на основе совпадений.
-
Парадокс Симпсона: ошибка статистических рассуждений с группами.
Парадокс Симпсона: статистическая ошибка, когда тренд исчезает при объединении групп данных. Важно учитывать скрытые факторы и корректное моделирование.
-
Эксперимент как метод проверки гипотез
Эксперимент: научный метод проверки гипотез. Узнайте о процедурах, анализе результатов и роли экспериментов в науке – от простых опытов до сложных исследований.
-
Естественные эксперименты в эмпирических исследованиях
Естественные эксперименты: обзор. Изучение эффектов, когда условия заданы природой или внешними факторами. Подход к причинно-следственным выводам в наблюдениях.
-
Байесовские сети: статистическое моделирование и вероятностный вывод
Байесовские сети: вероятностные графические модели для анализа зависимостей и предсказания вероятностей. Применение в диагностике и причинно-следственном анализе.
-
Коэффициент шансов: количественная оценка связи между событиями.
Коэффициент отношения (OR): статистический показатель связи между событиями. OR > 1 – положительная, < 1 – отрицательная. Корреляция ≠ причинность.
-
Зависимые и независимые случайные величины
Зависимые и независимые случайные величины: определение, роль в математическом моделировании и статистике. Ключевые понятия для анализа данных и прогнозирования.
-
Взаимодействие переменных в статистике: количественные и качественные эффекты.
В статистике: взаимодействие переменных – влияние одной причины на результат зависит от другой. Регрессионный анализ, факторные эксперименты.
-
Ошибка регрессии к среднему
Ложная корреляция: ошибка регрессии – заблуждение, приписывающее улучшение результатам действий, а не естественной статистической норме. Узнайте больше!
-
Ложные корреляции и кажущиеся зависимости в статистике
Ложная корреляция в статистике: связь между переменными без причинно-следственной связи. Обманчивые регрессии, скрытые факторы и влияние цены.
-
Анализ пути: моделирование направленных зависимостей между переменными.
Путевой анализ в статистике: моделирование зависимостей между переменными, регрессия, факторный анализ, MANOVA. Основы структурного моделирования (SEM).
-
Операционализация понятий в научном исследовании
Операционализация в исследованиях: определение и измерение непрямых понятий. Как сделать концепции измеримыми в психологии, науке и медицине?
-
Исследование "случай-контроль": сравнительный анализ групп с разным исходом.
Кейс-контрольные исследования: сравнение групп с разным исходом для выявления факторов риска заболеваний. Эффективный и экономичный метод анализа.
-
Экзогения: внешние факторы и их влияние.
Экзогения: влияние внешних факторов на системы и экономические модели. Различия с эндогенией, роль технологий и внешних сил в экономике.
-
Факторы риска и детерминанты в эпидемиологии
Факторы риска в эпидемиологии: что влияет на болезни и инфекции? Различия между детерминантами в медицине и общественном здравоохранении.
-
Условие Маркова и причинность в байесовских сетях
Условие Маркова в байесовских сетях: условная независимость узлов от не-потомков при заданных родителях. Обобщение: глобальное условие Маркова и причинное условие Маркова.
-
Полевые эксперименты: методология и применение.
Полевые эксперименты: проверка причинно-следственных связей в реальных условиях. Случайное распределение групп, контроль отбора и скрытность исследования.
-
Парадокс Берксона: искажение вероятностей при условном отборе
Парадокс Берксона: ошибка в статистике условных вероятностей. Искажение результатов из-за предвзятости отбора. Важно в биостатистике и Bayesian сетях.
-
Метод инструментальных переменных в статистике
Метод инструментальных переменных (IV) в статистике: оценка причинно-следственных связей при невозможности экспериментов. Решает проблему эндогенности, смещения оценок.
-
Поперечные исследования: типы, применение и ограничения.
Кросс-секционное исследование: анализ данных популяции в конкретный момент времени. Применяется в медицине, экономике и социологии. Обзор типов и отличий.
-
Внутренняя валидность исследования: оценка причинно-следственных связей.
Внутренняя валидность исследования: что это такое? Узнайте, как оценить доказательства причинно-следственных связей и исключить систематические ошибки в науке.
-
Методы снижения погрешностей в научных исследованиях
Контроль в научных экспериментах: снижение ошибок и повышение достоверности результатов. Методы минимизации переменных и исключения искажений в исследованиях.
-
Тест Грейнджера на причинность для прогнозирования временных рядов
Тест Грейнджера на причинность: проверка, помогает ли один временной ряд прогнозировать другой. Статистический тест для экономических моделей и анализа данных.
-
Функции корреляции в статистической механике
Корреляционная функция в статистической механике: мера порядка в системе, связь между микроскопическими переменными. Не путать с причинно-следственной связью!
-
Блокирование в планировании экспериментов: контроль изменчивости и повышение точности результатов.
Блокирование в планировании экспериментов: группировка схожих условий для снижения влияния посторонних факторов на результаты. Основы от Р. Фишера.
-
Латентные переменные: скрытые факторы и их моделирование
Латентные переменные в статистике: скрытые факторы, выявляемые через модели на основе наблюдаемых данных. Применение в науке и машинном обучении.
-
Отрицательная корреляция: понятие и примеры
Отрицательная корреляция в статистике: связь между переменными, где увеличение одной ведет к уменьшению другой. Антикорреляция, наклон графика и примеры.
-
Метод разности разностей: причинно-следственный анализ на основе наблюдательных данных.
Разница в разницах (DID): статистический метод для оценки причинно-следственных связей по наблюдательным данным. Сравнение изменений в группах для выявления эффекта.