Was es bedeutet, wenn eine Variable falsch ist

Spurious ist ein Begriff, der verwendet wird, um eine statistische Beziehung zwischen zwei Variablen zu beschreiben, die auf den ersten Blick kausal zusammenhängen, aber bei näherer Betrachtung nur zufällig oder aufgrund der Rolle einer dritten Zwischenvariablen auftauchen. In diesem Fall haben die beiden ursprünglichen Variablen eine "falsche Beziehung".

Dies ist ein wichtiges Konzept, das in den Sozialwissenschaften und in allen Wissenschaften, die sich auf Statistik als Forschungsmethode stützen, zu verstehen ist, da wissenschaftliche Studien häufig darauf abzielen, zu prüfen, ob zwischen zwei Dingen ein Kausalzusammenhang besteht oder nicht. Wenn man eine Hypothese testet, ist dies im Allgemeinen das, wonach man sucht. Um die Ergebnisse einer statistischen Studie richtig interpretieren zu können, muss man daher die Falschheit verstehen und in der Lage sein, sie in den eigenen Ergebnissen zu erkennen.

Wie man eine falsche Beziehung entdeckt

Der gesunde Menschenverstand ist das beste Mittel, um in Forschungsergebnissen eine falsche Beziehung zu erkennen. Wenn Sie davon ausgehen, dass zwei Dinge, die möglicherweise gleichzeitig auftreten, nicht kausal zusammenhängen, haben Sie einen guten Start. Jeder Forscher, der ihr Salz wert ist, wird bei der Untersuchung seiner Forschungsergebnisse immer ein kritisches Auge haben, da er weiß, dass die Nichtberücksichtigung aller möglicherweise relevanten Variablen im Verlauf einer Studie die Ergebnisse beeinflussen kann. Ergo muss ein Forscher oder kritischer Leser die in einer Studie angewandten Forschungsmethoden kritisch untersuchen, um wirklich zu verstehen, was die Ergebnisse bedeuten.

Der beste Weg, um die Fehler in einer Forschungsstudie zu beseitigen, besteht darin, sie von Anfang an statistisch zu kontrollieren. Dabei müssen alle Variablen, die sich auf die Ergebnisse auswirken könnten, sorgfältig berücksichtigt und in Ihr statistisches Modell aufgenommen werden, um ihre Auswirkungen auf die abhängige Variable zu kontrollieren.

Beispiel für eine zufällige Beziehung zwischen Variablen

Viele Sozialwissenschaftler haben sich darauf konzentriert, zu identifizieren, welche Variablen die abhängige Variable des Bildungsabschlusses beeinflussen. Mit anderen Worten, sie sind daran interessiert zu untersuchen, welche Faktoren beeinflussen, wie viel formale Schulbildung und welche Abschlüsse eine Person in ihrem Leben erreichen wird.

Betrachtet man historische Trends des Bildungsniveaus, gemessen an der Rasse, stellt man fest, dass asiatische Amerikaner im Alter zwischen 25 und 29 am ehesten das College abgeschlossen haben (volle 60 Prozent von ihnen haben dies getan), während die Abschlussrate für Weiße sind es 40 Prozent. Bei den Schwarzen liegt die Abschlussquote mit nur 23 Prozent deutlich niedriger, bei den Hispanics mit nur 15 Prozent.

Wenn man sich diese beiden Variablen ansieht - Bildungsstand und Rasse -, könnte man vermuten, dass die Rasse einen kausalen Effekt auf den Abschluss des Colleges hat. Dies ist jedoch ein Beispiel für eine falsche Beziehung. Es ist nicht die Rasse selbst, die sich auf das Bildungsniveau auswirkt, sondern der Rassismus, die dritte "verborgene" Variable, die die Beziehung zwischen diesen beiden Variablen vermittelt.

Rassismus wirkt sich so tiefgreifend und vielfältig auf das Leben von Farbigen aus und beeinflusst alles, von wo aus sie leben, auf welche Schulen sie gehen und wie sie in ihnen sortiert sind, wie viel ihre Eltern arbeiten und wie viel Geld sie verdienen und sparen. Es wirkt sich auch darauf aus, wie Lehrer ihre Intelligenz wahrnehmen und wie häufig und hart sie in Schulen bestraft werden. Auf all diese und viele andere Arten ist Rassismus eine kausale Variable, die sich auf das Bildungsniveau auswirkt, aber Rasse ist in dieser statistischen Gleichung eine falsche.

Aktualisiert von Nicki Lisa Cole, Ph.D..