Artikkelissa hyödynnetään DAGitty -sovellusta. Pika-ohje sen käyttöön löytyy täältä. Johdanto Edellisessä artikkelissa kuvattiin selittämiseen liittyviä keskeisiä huomioita sekä teoreettista pohjaa selityssuhteille havainnoivassa tutkimuksessa. Tässä artikkelissa käydään läpi käytännön esimerkkejä siitä, miten selitysmalleja ja kausaalisuhteita voidaan hyödyntää harhan minimoimiseksi havainnoivassa tutkimuksessa. Aikaisemmassa artikkelissa kuvattiin miten sekoittava tekijä, mediaattori eli välitysmuuttuja ja collider-muuttuja tulisi huomioida selityssuhteiden osalta. ..
Archives : marraskuu-2020
Taustaa Havainnoivassa tutkimuksessa keskeisintä on erottaa selittäminen ja ennustaminen. Selittäminen yhdistetään usein syy-seuraus-päättelyyn eli kausaalisuuteen. Tämän ympärille on syntynyt oma tilastotieteen osa-alue, ns. kausaali-inferenssi (eng. causal inference). Siinä keskitytään asioiden ja ilmiöiden selittämiseen eikä vain muuttujien väliseen korrelaatioon tai assosiaatioon. Yksinkertaistettuna selittäminen tarkoittaa kahden muuttujan välisen yhteyden tutkimista. Perinteisiä esimerkkejä ovat esimerkiksi äidin tupakoinnin vaikutus ..
Tervetuloa Tilastokuntoon!
