Regressione Alla Media Forexworld

Regressione alla minaccia di regressione significare una, noto anche come un artefatto regressione o regressione verso la media è un fenomeno statistico che si verifica ogni volta che avete un campione non casuale da una popolazione e due misure che sono imperfettamente correlati. La figura mostra la regressione al fenomeno media. La parte superiore della figura mostra la distribuzione pretest per una popolazione. I punteggi pre-test sono distribuiti normalmente, la distribuzione di frequenza si presenta come una curva a campana. Si supponga che il campione per il vostro studio è stato selezionato esclusivamente dai bassi punteggi pre-test. Si può vedere nella parte superiore della figura dove la loro media pre-test è - chiaramente, è notevolmente al di sotto della media della popolazione. Cosa faremmo prevedere il post-test a guardare come prima cosa, lascia supporre che il vostro programma o di trattamento non funziona affatto (il caso null). La nostra ipotesi ingenua sarebbe che il nostro campione sarebbe segnare altrettanto male sul post-test come hanno fatto in pre-test. Ma essi non La parte inferiore della figura mostra dove i campioni media post-test sarebbe stato senza di regressione e dove non sia in realtà. In realtà, i campioni post-test significano liquidazione più vicino alla popolazione post-test significa che la loro media pre-test è stato quello della popolazione pre-test significare. In altre parole, i campioni significano sembra regredire verso la media della popolazione dal pre-test al post-test. Perché accade Consente di iniziare con una spiegazione semplice e lavorare da lì. Per capire perché la regressione verso la media si verifica, prendere in considerazione un caso concreto. Nel suo studio si seleziona il più basso 10 della popolazione in base al loro punteggio di pre-test. Quali sono le possibilità che il post-test che gruppo esatto sarà ancora una volta costituire la più bassa dieci per cento non probabile. La maggior parte di loro sarà probabilmente nel più basso dieci per cento sul post-test, ma se anche solo pochi non sono, quindi i loro gruppi significare dovranno essere più vicini alle popolazioni post-test di quanto non fosse per il pre-test. La stessa cosa è vera sull'altra estremità. Se si seleziona come il campione più alte dieci per cento marcatori pre-test, arent probabile che sia la più alta dieci per cento sul post-test (anche se la maggior parte di loro possono essere tra i primi dieci per cento). Se anche solo un paio di punteggio sotto la parte superiore del dieci per cento sul post-test loro gruppi medi post-test dovrà essere più vicino al post-test media della popolazione rispetto alla loro media pre-test. Qui ci sono alcune cose che dovete sapere sul regressione verso la media fenomeno: regressione verso la media si verifica per due motivi. In primo luogo, risulta perché si asimmetricamente campionati da parte della popolazione. Se si campionare in modo casuale dalla popolazione, si osserva (soggetto a errore casuale) che la popolazione e il vostro esempio hanno la stessa media pre-test. Poiché il campione è già alla media della popolazione sul pre-test, è impossibile per loro di regredire verso la media della popolazione più non si può dire in che modo un individuo punteggio si muoverà in base alla regressione verso il fenomeno media. Anche se i gruppi media si muoverà verso le popolazioni, alcuni individui del gruppo sono suscettibili di muoversi nella direzione opposta. Heres un errore di ricerca comune. Si esegue un programma e non trovate alcun effetto complessivo del gruppo. Così, si decide di guardare a chi ha fatto meglio sul post-test (le vostre storie di successo) e vedere quanto hanno guadagnato oltre il pre-test. Si sta selezionando un gruppo che è estremamente elevato sul post-test. Si suole probabilmente tutti essere il migliore sul pre-test, nonché (anche se molti di loro saranno). Quindi, la loro media pre-test deve essere più vicino alla media della popolazione di loro un post-test. Lei descrive questo bel guadagno e sono quasi pronti a scrivere i vostri risultati quando qualcuno suggerisce guardi i casi di guasto, le persone che hanno peggior punteggio sul post-test. Quando si controlla su come stavano facendo il pre-test si scopre che non fossero i peggiori marcatori lì. Se fossero stati i peggiori marcatori entrambe le volte, si sarebbe semplicemente detto che il programma non ha ancora avuto alcun effetto su di loro. Ma ora sembra peggio di così - sembra che il tuo programma in realtà li aggravata rispetto alla popolazione cosa farete Come farete mai ottenere il vostro contributo rinnovato O il vostro lavoro pubblicato o, Dio aiuto che, come potrete mai arrivare di ruolo quello che dovete capire, è che il modello di risultati che ho appena descritto accadrà ogni volta che si misurano due misure accadrà in avanti nel tempo (cioè da pre-test di post-test). Accadrà a ritroso nel tempo (vale a dire dal post-test di pre-test) Accadrà attraverso misure raccolti nello stesso momento (ad esempio, altezza e peso) Accadrà anche se non dare il vostro programma o di trattamento. Non ha nulla a che fare con le tendenze di maturazione globale. Si noti nella figura in alto che mi ha dato fastidio etichettatura l'asse x sia nel pre-test o la distribuzione post-test. Potrebbe essere che tutti nella popolazione guadagna 20 punti (in media) tra il pre-test e post-test. Ma la regressione verso la media sarebbe ancora in funzione, anche in questo caso. Cioè, i marcatori sarebbero bassi, in media, guadagnare più del guadagno popolazione di 20 punti (e quindi la loro media sarebbe più vicino alle popolazioni). Se il campione è costituito da marcatori di sotto-popolazione-media, la regressione verso la media sarà far sembrare che si muovono sul altra misura. Ma se il vostro campione è costituito dei punteggi più alti, apparirà il loro mezzo per spostare verso il basso rispetto alla popolazione. (Si noti che anche se i loro incrementi medi, potrebbero essere perdendo terreno alla popolazione. Quindi, se un campione di alta pre-test-scoring guadagna cinque punti sul post-test, mentre il campione complessivo guadagna 15, ci sarebbe il sospetto regressione verso la media come spiegazione alternativa per il nostro programma per quella relativamente basso il cambiamento). Il più estremo gruppo campione, maggiore è la regressione alla media. Se il campione è diversa dalla popolazione da solo un po 'sulla prima misura, ci non sarà molto regressione verso la media perché c'è neanche tanto spazio per loro a regredire - theyre già vicino alla media della popolazione. Quindi, se si dispone di un campione, anche uno non casuale, che è un buon sottocampione della popolazione, regressione verso la media sarà irrilevante (anche se sarà presente). Ma se il vostro campione è molto estremo rispetto alla popolazione (ad esempio, il più basso o più alto x), la loro media è più lontano dalla popolazione e ha più spazio per regredire. Il meno correlato le due variabili, maggiore è la regressione verso la media. L'altro fattore importante che influisce sulla quantità di regressione alla media è la correlazione tra le due variabili. Se le due variabili sono perfettamente correlate - il miglior marcatore su uno è il più alto dall'altro, immediatamente superiore contro uno è più alto successivo sull'altro, e così via - non ci sarà alcun sarà regressione alla media. Ma questo è improbabile che si verifichi mai in pratica. Sappiamo dalla teoria di misura che non esiste una cosa come la misura perfetta - Tutta la misura è assunto (sotto il vero modello punteggio) per avere un po 'di errori casuali nella misurazione. E 'solo quando la misura non ha alcun errore casuale - è perfettamente affidabile - che possiamo aspettarci che sarà in grado di correlare perfettamente. Dal momento che proprio questo accada pretende molto nel mondo reale, dobbiamo presumere che le misure hanno un certo grado di inaffidabilità, e che le relazioni tra le misure non sarà perfetto, e che non vi sembrerà essere regressione verso la media tra queste due misure, dato asimmetricamente sottogruppi campionati. La formula per la percentuale di regressione verso la media Lei può valutare esattamente la percentuale di regressione verso la media in una determinata situazione. La formula è: P rm la percentuale di regressione alla media r la correlazione tra le due misure considerare i seguenti quattro casi: se r 1, non vi è (cioè 0) regressione alla media se r .5, c'è 50 regressione alla media se r .2, c'è 80 regressione alla media se r 0, c'è 100 regressione alla media Nel primo caso, le due variabili sono perfettamente correlate e non c'è regressione alla media. Con una correlazione di .5, il gruppo campione muove cinquanta per cento della distanza dal punto di non-regressione alla media della popolazione. Se la correlazione è un piccolo .20, il campione regredire 80 della distanza. E, se non vi è alcuna correlazione tra le misure, il campione regredire tutta la strada per la media della popolazione Vale la pena pensare a cosa significa questo ultimo caso. Con la correlazione pari a zero, conoscendo un punteggio su una misura ti dà assolutamente alcuna informazione circa il punteggio probabile per quella persona per l'altra misura. In tal caso, la tua ipotesi migliore per come qualsiasi persona avrebbe compiuto sulla seconda misura sarà la media di quella seconda misura. La stima e correzione regressione verso la media Data la nostra percentuale formula, per ogni situazione siamo in grado di stimare la regressione verso la media. Tutto ciò che dobbiamo sapere è la media del campione sulla prima misura la media della popolazione su entrambe le misure, e la correlazione tra le misure. Si consideri un semplice esempio. Qui, ben supporre che la popolazione pre-test media è di 50 e che selezionare un campione a basso pre-test di punteggio che ha una media di 30. Per cominciare, lascia supporre che non diamo qualsiasi programma o di trattamento (ad esempio il caso null) e che la popolazione non cambia nel tempo sull'essere caratteristica misurata (cioè stazionario). Detto questo, vorremmo prevedere che la media della popolazione sarebbe 50 e il campione non ottenere un punteggio post-test di 30 se non ci fosse regressione verso la media. Ora, si supponga che la correlazione è .50 tra il pre-test e post-test per la popolazione. Data la nostra formula, ci si aspetterebbe che il gruppo campionato sarebbe regredire 50 della distanza dal punto di non-regressione alla media della popolazione, o 50 della strada da 30 a 50. In questo caso, avremmo osservare un punteggio di 40 per il gruppo di campionato, che costituirebbe un 10-point pseudo-effetto o artefatto regressione. Ora, consente di rilassarsi alcune delle ipotesi iniziali. Per esempio, assumiamo che tra il pre-test e post-test popolazione guadagnato 15 punti in media (e che questo guadagno è uniforme su tutta la distribuzione, cioè, la varianza della popolazione rimane lo stesso attraverso i due occasioni di misura). In questo caso, un campione che ha avuto una media pretest 30 sarebbe previsto per ottenere una media post-test di 45 (cioè 3015) se non c'è regressione alla media (cioè r1). Ma qui, la correlazione tra pre-test e post-test è .5 così ci aspettiamo di vedere regressione verso la media che copre 50 della distanza dalla media di 45 al post-test media della popolazione di 65 anni che è, vorremmo osservare una media post-test di 55 per il nostro campione, ancora una pseudo-effetto di 10 punti. Regressione verso la media è una delle minacce più insidiose per la validità. E 'sottile, nei suoi effetti, e anche ricercatori eccellenti a volte non riescono a prendere un potenziale artefatto regressione. Si potrebbe desiderare di saperne di più sulla regressione verso la media fenomeno. Un buon modo per farlo sarebbe quello di simulare il fenomeno. Se non sei familiarità con la simulazione, è possibile ottenere una buona introduzione nel Simulazione Libro. Se hai già capito l'idea di base della simulazione, si può fare una simulazione manuale (dadi) di manufatti di regressione o di una simulazione computerizzata di artifacts. Regression regressione verso la media in Psicologia: Definizione Esempio regressione verso la media si verifica quando la seconda misura di una particolare variabile sono meno estreme rispetto alla prima. Ulteriori informazioni regressione alla media, varianza casuale, e altro ancora. Regressione Definizione alla media è un fenomeno statistico indica che i dati che è estremamente superiore o inferiore alla media sarà probabilmente più vicino alla media se viene misurata una seconda volta. Questo significa che se si prende due serie indipendenti di misurazioni da ogni persona nel campione, si potrebbe scoprire che le persone che avevano punteggi che sono stati ben al di sopra o al di sotto della media durante la prima misurazione avrebbero punteggi che sono più vicini alla media nel seconda misura. Regressione alla media, anche noto come regressione verso la media. è stato scoperto da Sir Francis Galton, mentre stava conducendo la segnalazione le altezze di 250 genitori e 930 bambini. Galton calcolato l'altezza media per gli adulti e bambini e tracciato le altezze di tutti su un grafico. Galton ha trovato che i genitori che erano più alti rispetto alla media tendono ad avere figli che erano più alti rispetto alla media, ei genitori che erano più brevi rispetto alla media tendono ad avere bambini che erano più brevi, in media. Tuttavia, nei casi in cui i genitori erano più alti rispetto alla media, i bambini tendevano ad essere un po 'più breve rispetto ai genitori, e nei casi in cui i genitori erano più brevi rispetto alla media, i bambini tendevano ad essere un po' più alto rispetto ai genitori. In altre parole, i figli di genitori con altezze che erano estremamente di sopra o al di sotto della media avevano altezze che erano più vicini alla media. Galton chiamato questo fenomeno di regressione della media. Regressione verso la media è dovuto alla variabilità casuale. o del caso, che colpisce il campione. Ad esempio, parte di altezza è dovuto ai nostri geni che ereditiamo dai nostri genitori, ma ci sono anche altre influenze casuali che possono influenzare la vostra altezza. È la varianza casuale che provoca alcuni dei campioni per avere valori estremi. E 'importante notare che la varianza casuale nella seconda misurazione non è influenzata dalla varianza casuale che ha colpito la prima misura. Per questo motivo, i campioni appariranno regredire sulla seconda misurazione. Supponiamo che eravamo interessati a studiare il livello di aggressione in calciatori dopo aver perso una partita. Hai preso un campione di 50 calciatori e misurato il loro livello di aggressività dopo aver perso in un'altra squadra durante il gioco a casa. Si registra i dati in un grafico e scoprire che il punteggio medio aggressione è 72 (su 100). I punteggi dei 50 giocatori vanno da 41 a 100. sbloccare contenuti oltre 30.000 lezioni in tutti i principali soggetti ottenere un accesso gratuito per 5 giorni, basta creare un account. Nessun obbligo, annullare in qualsiasi momento. Selezionare un oggetto di corsi relativi anteprima: Una settimana più tardi, si decide di misurare l'aggressività negli stessi 50 giocatori di calcio, dopo che perdono una partita fuori casa. Questa volta, il punteggio medio aggressione è 63. I punteggi dei 50 giocatori vanno da 48 a 78. Si scopre che i calciatori i cui punteggi aggressione erano ben al di sotto della media, dopo la prima perdita spostato più vicino alla media dopo la seconda perdita, ed i giocatori i cui punteggi sono stati ben al di sopra della media durante la prima perdita è diminuita e sono ora più vicine alla media. In altre parole, il più lontano dalla media che il punteggio aggressione era, più è probabile che il secondo punteggio aggressione sarà più vicino alla media. Questo è un esempio di regressione alla media. Perché i punteggi aggressione cambiano Forse i giocatori che ha segnato più basso dopo la prima perdita stavano avendo una brutta giornata. Potrebbe essere che l'allenatore ha dato alla squadra un ottimo discorso Dopo partita dopo la seconda perdita, che ha influenzato il modo in cui in relazione la loro aggressività. Il punto è che la variazione di aggressività non è riflettente dei calciatori, ma alcuni variazione casuale. Riepilogo della lezione di regressione agli Stati punteggi medi che sono estremamente al di sopra o al di sotto della media la prima volta che vengono misurati su alcune variabili sono suscettibili di essere più vicino alla media la seconda volta vengono misurati sulla stessa variabile. Regressione alla media è dovuta a variazione casuale che influenza il campione. La varianza casuale nella prima misura è indipendente della varianza casuale nel secondo campione. Per sbloccare questa lezione è necessario essere un membro di studio. Crea il tuo account guadagnare crediti universitari Forse knowhellip Abbiamo oltre 79 corsi universitari che preparano di guadagnare credito per l'esame che viene accettato da oltre 2.000 college e università. È possibile testare i primi due anni di college e salvare migliaia fuori il vostro grado. Chiunque può guadagnare credito-by-esame indipendentemente dall'età o dal livello di istruzione. Il trasferimento del credito alla scuola di vostra scelta Non sono sicuro che il college si desidera partecipare ancora di studio ha migliaia di articoli su ogni grado che si possa immaginare, di studio e percorso di carriera che possono aiutare a trovare il thats scuola giusta per te. Le scuole di ricerca, Gradi Carriere amp Ricevi informazioni imparziale è necessario trovare la scuola giusta. Sfoglia articoli per categoria