回归平均|的定义及例子
均值回归(RTM)统计现象是如何描述的呢变量远高于或低于的意思是在第二次测量时往往更接近平均值。
回归到平均值是由于自然变化或偶然性。它可以在日常生活,特别是在研究中故意关注最极端的情况或事件。它有时也被称为回归向的意思是.
回归均值在重复测量中很常见(试设计)和应该总是被认为是观测到的变化的可能原因。它被认为是一种信息偏倚还会扭曲研究结果。
什么是均值回归?
当在第一次测量中极高或极低的变量在第二次测量中接近平均值时,就可以观察到向平均值的回归。
总的来说,RTM解释了为什么不寻常的事件之后可能会有更典型的事件。假设一家公司有一个很棒的季度,超过了所有设定的目标。随着时间的推移,出色的业绩很难保持,下一个季度的业绩很有可能会变差,使公司的业绩回到平均水平。任何能受到偶然因素影响的事物都属于这种现象。
均值回归发生在从样本中选择非随机样本时人口你测量两个不完全相关的变量,比如两次连续的血压测量。
- 越小相关两者之间,RTM效应越大。
- 总体均值的值越极端,回归到均值的空间就越大。
均值回归可以通过考虑,例如,由于运气的作用,技能和表现是不完全相关的来解释。这可能会引导你找到一个因果没有关系的地方。
为什么回归到均值是一个问题?
回归均值可能会出现问题,特别是在衡量干预、计划或政策有效性的研究中。
它会误导研究人员,让他们相信干预是观察到的变化的原因,而实际上这是由于偶然。当研究人员专注于测量极端的人、案例或组织时,例如表现最差的、受教育程度最高的或最不健康的组织,这一点尤其明显。
RTM告诉我们,从统计上看,最低的病例在第二次治疗时可能会有所改善,而那些处于高峰的病例即使没有干预,也可能会表现得更差。因为它可以扭曲结果,你需要考虑回归到平均的时候设计研究在分析你的发现时也是如此。
否则,你就会冒着将某些结果归因于特定原因的风险,而实际上它们很可能是偶然的。
回归到均值的例子
均值回归通常发生在衡量干预措施的效果时。
与此相关,在估计干预效果时,随机评估对于避免回归均值至关重要。
如何避免回归均值
避免回归到均值的最好方法是在研究的设计阶段考虑到它。只要可能,使用概率抽样法.否则,你的结果可能倾向于极端,要么异常地高,要么异常地低。根据设计,这些将在重新测试时回归到平均值。
在实验设计,使用a是很重要的对照组一个治疗小组,随机分配每个参与者。对照组的变化可以帮助您评估由回归到均值所引起的变化的程度安慰剂效应.实验组与对照组相比,任何额外的改善或恶化都可以归因于干预,只要是干预统计上显著.
计算回归到均值的百分比
或者,您可以在数据分析期间计算回归到平均值的百分比。你可以使用下面的公式来计算回归均值。
其他类型的研究偏见
常见问题
- 什么是相关系数?
-
一个相关系数是描述变量之间关系的强度和方向的单个数字。
不同类型的相关系数可能适用于您的数据测量水平而且分布.的皮尔逊积矩相关系数r)通常用于评估两个定量变量之间的线性关系。
引用这篇Scribbr文章
如果你想引用这个来源,你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮,自动添加到我们的免费引用生成器引用。