14 votos

Técnicas para el análisis de los ratios de

Estoy buscando consejos y comentarios que de acuerdo con el análisis de ratios y tasas. En el campo en el que yo trabajo, análisis de ratios, en particular, es generalizada, pero he leído un par de artículos que sugieren que esto puede ser problemático, estoy pensando en:

Kronmal, Richard A. 1993. Espurio de correlación y la falacia de la relación de norma revisada. Diario de la Sociedad Real de Estadística Serie A 156(3): 379-392

y los papeles. Por lo que he leído hasta ahora, parece que los ratios pueden generar correlaciones espurias, de la fuerza de líneas de regresión a través del origen (que no siempre es adecuada) y la modelización de ellos puede violar el principio de marginalidad si no se realiza correctamente (el Uso de Coeficientes de Regresión, por Richard Goldstein). Sin embargo, debe haber ocasiones cuando el uso de ratios es justificado y yo quería un poco de las opiniones de los estadísticos en este tema.

8voto

jasonmray Puntos 1303

Yo no llamaría observado correlaciones espurias, sino falsas inferencias causales extraídas de esas correlaciones. Problemas con las relaciones son de un tipo que con otros tipos de factores de confusión.

Si se definen las variables aleatorias $U=\frac{X}{Q}$ & $V=\frac{Y}{Q}$, donde $X$, $Y$, & $Q$ son independientes, entonces $X$ & $Y$ están correlacionados. Esto podría hacer pensar que hay una relación causal de $X$ $Y$o viceversa, o de algo distinto de $Q$ a ambos. No obstante, la simple decisión de abstenerse de la utilización de los ratios. Las observaciones no son esencialmente relaciones, y si $U$, $V$, & $Q$ son independientes, se generará "espurio" correlaciones mediante el uso de las proporciones $X=\frac{U}{1/Q}$ & $Y=\frac{V}{1/Q}$. Incluyendo $Q$ en su análisis— y es importante tener en cuenta que la 'escala' por $Q$ no es la misma cosa—protege cualquiera que sea su uso; pero no de otros factores de confusión $R,S,T,\ldots$

Aldrich (1995), ""Correlaciones Genuinos y Falsos en Pearson y Yule", de Estadística de la Ciencia, 10, 4 proporciona una interesante perspectiva histórica.

† Ver como la interacción, pero no los principales efectos en un modelo.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X