Naick schreef:Ik ben niet akkoord met punt 2. Er kan wel degelijk een theoretische uitleg zijn waarom. In veel wetenschappelijke studies wordt een correlatie of regressie gebruikt tesamen met een theoretische component om bijvoorbeeld een oorzakelijk verband te stellen. In de ideale wereld gebeurt dit via een gecontroleerd experiment, maar in veel gevallen is dat niet mogelijk of niet wenselijk vanwege ethische redenen.

Een regressie geeft aanleiding tot een predictief model, niet tot een causaal model. Het zegt je wat de te verwachten y-waarde is voor een gegeven x-waarde (of in de prakijk voor een groter aantal variabelen).

Regressies gebruiken we vaak in de wetenschap, maar niet om te verklaren hoe iets werkt. Met een regressie kan je aantonen dat twee of meer variabelen een link hebben, en ook kwantificeren hoe sterk die link is als het verband voldoende simpel is.

Of die link er is omdat twee variabelen rechtstreeks verband houden, gelinkt worden door een onderliggende verborgen variabele of door dom toeval kan je onmogelijk zeggen.

Een simpel voorbeeldje: ik toon via een regressiemodel aan dat mensen die veel quinoa eten opvallend weinig longkanker hebben. Is er een rechtstreeks verband (quinoa beschermt tegen kanker), een onderliggende verborgen variabele (quinoa-eters zijn gezondheidsbewuste mensen en roken dus zelden) of gewoon een of ander dom toeval (een zeldzame mutatie in een of ander gen zorgt ervoor dat je quinoa als uitzonderlijk lekker ervaart en beschermt ondertussen ook tegen longanker)?

In dit voorbeeldje kan je uiteraard op basis van eerder experimenteel bewijsmateraal gerust stellen dat de tweede verklaring de juiste is. Meestal kan je dat echter niet.

Oorzaken toewijzen kan je pas door regressies, correlaties of dergelijke meer te combineren met specifieke experimenten die je voorgesteld oorzakelijk verband expliciet testen. Soms kan dat inderdaad niet, maar dan gaat een regressie je niet helpen. Als je geen experimenten in de echte wereld kan doen en statistiek moet gebruiken om oorzaak en gevolg te vinden, ben je aangewezen op zogenaamd causaal modelleren. Dat werkt niet altijd, en als het werkt heb je grover statistisch geschut nodig dan regressies of andere methodes uit de basis-statistiek die je in de meeste universitaire opleidingen ziet.

Voor alle duidelijkheid: ik ben grote fan van regressie en consoorten, ik gebruik ze bijna dagelijks. Maar je moet eerlijk durven zijn over hun beperkingen: ze beschrijven een fenomeen, maar verklaren het niet.

In ideale experimentele labo-situaties kan wel door het principe van de isolerende variatie alle variabelen die een rol zouden kunnen spelen uittesten en dan bepalen waar de causale relatie(s) liggen.

netwerken schreef:Er zijn wel vaak beginners die langskomen, maar de laatste weken is de frequentie toch opvallend hoger dan "normaal". Tijd om eruit te stappen

Ik ben exact hetzelfde aan het denken...

Inversor schreef:

netwerken schreef:Er zijn wel vaak beginners die langskomen, maar de laatste weken is de frequentie toch opvallend hoger dan "normaal". Tijd om eruit te stappen

Ik ben exact hetzelfde aan het denken...

Ik ben al uitgestapt ...