1、 混淆统计联系与因果关系:
因果关系是事物之间的一种本质联系,而统计联系只是观测数据中所反映的数量联系。
并且检查和排除现象之间的虚假相关,也是科学研究的任务之一。
时间先后顺序是判断因果关系得另一个准则,因此观察的时间维度是研究设计中的另一个重要内容。
方法论的理论告诉我们,横贯研究使用的是同一个时点的观察资料,比较适合于对差异的研究,而用于因果分析时就存在很大的局限性。但是,来自于追踪调查和回顾性调查的纵贯观察资料能够提供时间变量,于是在分析中可以包含时间顺序的控制,则更有效于因果联系得分析。
即使所采用的统计模型是因果模型,并且模型中包括了时间变量,统计分析所能揭示的仍然只是统计联系,只不过统计模型多加了几个控制条件而已。这种被实际数据所验证的统计联系,仍然不能等同于因果关系。这是因为,不论多么严密和复杂,统计模型只是一种假设模型,代表研究人员对于实际因果关系数量特征的一种设想。最为模型必然有所抽象,简化,绝不可能再现实际中因果关系丰富多彩的各种规定性。并且,统计模型是进行假说检验的一种手段,其检验的本质是证伪,而不是证实。
2、 事后解释:
这一问题的产生不是统计分析的错误,而是对于正确统计结果的错误解释问题。如果事实上统计分析开始时并没有理论假设,那么这一研究属于探测性或描述性研究。在得到统计结果的基础上,可以形成新的理论假设。然而,如果反过来再将同一统计分析作为假设检验看待,就是犯了事后解释错误。
3、 生态学谬误:
即根据集合单位的分析结果作关于个体的断言。这一问题的要害时混淆了不同层次主体的行为模式。在研究设计中,分析单位是一个很重要的概念。从宏观到微观可能存在不同层次的分析单位。
因为宏观利益并不完全与微观利益相一致。但是如果将宏观汇总资料中所发现的变量关系直接用来解释微观主体的行为,便有可能产生生态学谬误。
4、 还原论谬误
是与生态学谬误相对的一种方法论谬误。
还原论在统计研究上的具体表现形式为,根据较低层次研究单位的分析结论推断较高层次单位的运行规律。这种引申同样需要先行假设宏观行为模式与微观行为模式相同才能成立,所以必然经历与生态学谬误类似的风险。
生态学谬误和还原论谬误都是在研究当中由于逻辑推理不够严密,因而犯了过分简单化的错误。
5、 混淆统计检验显著与实际意义显著
对于整个模型或某些模型参数的统计检验都是与采用抽样数据相联系得。
统计检验是否显著受到三个方面的影响:
一是实际差异幅度或作用强度的影响;
二是所要求的把握或称置信度的大小;
三是抽样样本规模的大小。
统计检验的结果是有条件的结果,三个方面中只要有一个方面发生变化,结果就发生变化。所以,统计检验显著只是说明在三个方面的特定条件下,是否能够肯定差异或作用存在。如果可以肯定,就说其统计性显著,否则就说其统计性不显著。
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/51862/viewspace-180561/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/51862/viewspace-180561/