тегло = възраст + консумация на сладолед;
свирене на пиано = възраст + ежеседмични упражнения.
Можете да видите, че ще има регресия към средното, когато предскажем свиренето на пиано от теглото или обратното. Ако всичко, което знаете за Том, е, че той се класира дванадесети по тегло (доста над средното), можете да заключите (статистически), че вероятно той е по-голям по възраст от средното и също че вероятно консумира повече сладолед от другите деца. Ако всичко, което знаете за Барбара, е, че тя е осемдесет и пета по пиано (доста под средното за групата), можете да заключите, че вероятно тя се упражнява по-малко от повечето останали деца.
Коефициентът на корелация между две мерки, който варира между 0 и 1, е мярка за относителната тежест на факторите, които са общи за тях. Например при всички нас половината от гените ни са общи с тези на всеки от родителите си и за белези, при които факторите на околната среда имат относително малко влияние, като например ръста, корелацията между родител и дете186 не е далеч от 0,50. За да оцените значението на мярката корелация, по-долу ви предлагам някои примери на коефициенти:
Корелацията между размера на предмети, измерени с точност в английски или в метрични единици, е 1. Всеки фактор, който влияе на едната мярка, влияе и на другата; общи са 100% от детерминантите.
Корелацията между ръст и тегло187 сред възрастни американци мъже, за които съобщават самите те, е 0,41. Ако включите жените и децата, корелацията ще е много по-висока, защото полът и възрастта на хората влияят както на техния ръст, така и на тяхното тегло, като увеличават относителната тежест на общите фактори.
Корелацията между точките от изпита SAT и общия успех в колежите е приблизително 0,60. Обаче корелацията между изпитите за установяване на способностите и успеха във висшите учебни заведения е много по-ниска, до голяма степен защото измерените способности варират малко в тази избрана група. Ако всички имат сходни способности, няма вероятност разликите в тази мярка да играят голяма роля в мерките на успеха.
Корелацията между доходите и нивото на образование188 в Съединените щати е приблизително 0,40.
Корелацията между доходите на семейството и последните четири цифри от неговия телефонен номер е 0.
На Франсис Галтън са му били необходими няколко години, за да разбере, че корелацията и регресията[174] не са две отделни концепции – те са различни перспективи към една и съща концепция. Общото правило е съвсем ясно, но има изненадващи следствия: винаги, когато корелацията между две точки е непълна, ще има регресия към средното. За да илюстрирам прозрението на Галтън, нека вземем едно твърдение, което повечето хора намират за доста интересно:
Високоинтелигентните жени са склонни да се омъжват за мъже, които са по-малко интелигентни от тях.
Можете да подхванете интересен разговор на парти, като помолите за обяснение, и вашите приятели с готовност ще се отзоват. Дори хора, които са донякъде запознати със статистиката, спонтанно ще интерпретират твърдението в каузални понятия. Някои може да изкажат мнението, че високо интелигентните жени искат да избегнат конкуренцията със също толкова интелигентни мъже или че са принудени да направят компромис в избора си на съпруг, защото интелигентните мъже не искат да се състезават с интелигентни жени. На едно интересно парти ще се изникнат и други любопитни обяснения. Сега разгледайте следното твърдение:
Сподели с приятели: |