Regressão ao meio forexworld

Regressão à média Uma ameaça de regressão, também conhecida como um artefato de regressão ou regressão à média é um fenômeno estatístico que ocorre sempre que você possui uma amostra não aleatória de uma população e duas medidas imperfeitamente correlacionadas. A figura mostra a regressão ao fenômeno médio. A parte superior da figura mostra a distribuição do pré-teste para uma população. Os resultados do pré-teste são normalmente distribuídos, a distribuição de freqüência parece uma curva em forma de sino. Suponha que a amostra para o seu estudo tenha sido selecionada exclusivamente dos avaliadores de pré-teste. Você pode ver na parte superior da figura onde seu pré-teste significa - claramente, é consideravelmente abaixo da média da população. O que preveríamos que o pós-teste pareça primeiro, vamos assumir que o seu programa ou tratamento não funciona de forma alguma (o caso nulo). Nossa suposição ingênua seria que nossa amostra avaliaria tão mal no pós-teste quanto no pré-teste. Mas eles não. O fundo da figura mostra onde as amostras pós-teste significam ter sido sem regressão e onde realmente é. Na realidade, as amostras pós-teste significam uma ferida mais próxima da média da população pós-teste do que a média de pré-teste para a média da população pré-teste. Em outras palavras, as amostras significam que regressa em direção à média da população de pré-teste para pós-teste. Por que isso acontece Vamos começar com uma explicação simples e trabalhar a partir daí. Para ver por que regressão à média acontece, considere um caso concreto. No seu estudo, você seleciona os 10 mais baixos da população com base no seu histórico de pré-teste. Quais são as chances de que, no pós-teste, esse grupo exato constituirá mais uma vez o menor dez por cento. Não é provável. A maioria deles provavelmente estará nos dez por cento mais baixos no pós-teste, mas se mesmo alguns são poucos, então seus grupos terão que estar mais próximos das populações pós-teste do que para o pré-teste. O mesmo é verdadeiro no outro lado. Se você selecionar como sua amostra os maiores avaliadores de pré-teste de dez por cento, eles provavelmente não serão os dez por cento mais altos no pós-teste (embora a maioria deles esteja no top dez por cento). Se mesmo alguns pontos abaixo do top dez por cento no pós-teste, os seus grupos pós-teste terão que estar mais próximos da população pós-teste do que a média de pré-teste. Aqui estão algumas coisas que você precisa saber sobre a regressão para o fenômeno médio: a regressão para a média ocorre por duas razões. Primeiro, isso resulta porque você foi amostrado assimetricamente da população. Se você aleatoriamente provar da população, você observaria (sujeito a erro aleatório) que a população e sua amostra tinham a mesma média de pré-teste. Como a amostra já está na média da população no pré-teste, é impossível para eles regredirem mais para a média da população Você não pode dizer de que maneira uma nota de indivíduos se moverá com base na regressão ao fenômeno médio. Mesmo que a média dos grupos se mova em direção às populações, alguns indivíduos do grupo provavelmente se moverão na outra direção. Existe um erro de pesquisa comum. Você executa um programa e não encontra nenhum efeito de grupo geral. Então, você decide olhar para aqueles que fizeram melhor no pós-teste (suas histórias de sucesso) e ver o quanto eles ganharam durante o pré-teste. Você está selecionando um grupo que é extremamente alto no pós-teste. Eles provavelmente não serão os melhores no pré-teste também (embora muitos deles sejam). Assim, o seu pré-teste significa ter que estar mais próximo da média da população do que o pós-teste. Você descreve esse bom ganho e está quase pronto para escrever seus resultados quando alguém sugere que olhe para os casos de falha, as pessoas que marcam o pior em seu post-teste. Quando você verifica como eles estavam fazendo no pré-teste, você achou que eles não eram os piores artilheiros lá. Se eles tivessem sido os piores artilheiros nas duas vezes, você simplesmente teria dito que seu programa não teve nenhum efeito sobre eles. Mas agora parece pior do que isso - parece que seu programa realmente os piorou em relação à população O que você fará Como você sempre obterá sua concessão renovada Ou seu artigo publicado Ou, o céu ajudá-lo, como você vai se manter O que você tem que perceber é que o padrão de resultados que acabei de descrever acontecerá sempre que você medir duas medidas. Isso acontecerá para frente no tempo (ou seja, de pré-teste para pós-teste). Isso acontecerá para trás no tempo (ou seja, pós-teste para pré-teste). Isso acontecerá através de medidas coletadas ao mesmo tempo (por exemplo, altura e peso). Isso acontecerá, mesmo que você não dê seu programa ou tratamento. Não tem nada a ver com as tendências maturacionais gerais. Observe na figura acima que não me incomodava de rotular o eixo dos x na distribuição de pré-teste ou pós-teste. Pode ser que todos na população ganham 20 pontos (em média) entre o pré-teste eo pós-teste. Mas a regressão à média ainda funcionaria, mesmo nesse caso. Ou seja, os artilheiros baixos, em média, estarão ganhando mais do que o ganho populacional de 20 pontos (e, portanto, seu significado seria mais próximo das populações). Se a sua amostra for constituída por marcadores da média abaixo da população, a regressão para a média fará aparecer que elas se movem para cima da outra medida. Mas se sua amostra é composta por artilheiros altos, sua média parece diminuir em relação à população. (Note-se que, mesmo que os aumentos médios, eles poderiam estar perdendo terreno para a população. Portanto, se uma amostra de pontuação elevada antes de ganhar cinco pontos no pós-teste enquanto a amostra geral ganha 15, nós suspeitaríamos de regressão para a média como um Explicação alternativa para o nosso programa para essa mudança relativamente baixa). Quanto mais extremo o grupo de amostra, maior a regressão para a média. Se sua amostra difere da população apenas um pouco na primeira medida, não haverá muita regressão para a média, porque não há muito espaço para eles regredirem - eles já estão perto da média da população. Então, se você tem uma amostra, mesmo uma não-aleatória, essa é uma subamostra bastante boa da população, a regressão para a média será inconseqüente (embora esteja presente). Mas se a sua amostra é muito extrema em relação à população (por exemplo, a menor ou maior x), sua média está mais longe das populações e tem mais espaço para regredir. Quanto menos correlacionadas as duas variáveis, maior a regressão para a média. O outro fator principal que afeta a quantidade de regressão para a média é a correlação entre as duas variáveis. Se as duas variáveis ​​estão perfeitamente correlacionadas - o maior marcador em uma é o mais alto do outro, o mais próximo em um é o mais próximo do outro, e assim por diante - não haverá regressão para a média. Mas isso provavelmente não ocorrerá na prática. Sabemos, por meio da teoria das medições, que não existe uma medida perfeita - toda a medição é assumida (sob o modelo de pontuação real) para ter algum erro aleatório na medição. É somente quando a medida não tem erro aleatório - é perfeitamente confiável - que podemos esperar que ele possa se correlacionar perfeitamente. Uma vez que isso não acontece no mundo real, temos que assumir que as medidas têm algum grau de falta de confiabilidade e que as relações entre as medidas não serão perfeitas e que haverá regressão ao meio entre essas duas medidas, dado assimétrico Subgrupos amostrados. A fórmula para a porcentagem de regressão para a média Você pode estimar exatamente a porcentagem de regressão para a média em qualquer situação. A fórmula é: P rm a porcentagem de regressão para a média r a correlação entre as duas medidas. Considere os quatro casos seguintes: se r 1, não há regressão (ou seja, 0) para a média se r .5, há 50 regressões Para a média se r .2, há 80 regressões para a média se r 0, há 100 regressões para a média. No primeiro caso, as duas variáveis ​​estão perfeitamente correlacionadas e não há regressão à média. Com uma correlação de 0,5, o grupo amostrado move cinquenta por cento da distância do ponto de não regressão para a média da população. Se a correlação for pequena .20, a amostra regredirá 80 da distância. E, se não houver correlação entre as medidas, a amostra irá regredir todo o caminho de volta para a média da população. Vale a pena pensar sobre o que este último caso significa. Com correlação zero, conhecer uma pontuação em uma medida não lhe dá absolutamente nenhuma informação sobre a pontuação provável para essa pessoa na outra medida. Nesse caso, seu melhor palpite de como qualquer pessoa executaria na segunda medida será o meio dessa segunda medida. Estimativa e correção da regressão para a média Dada a nossa fórmula de porcentagem, para qualquer situação, podemos estimar a regressão para a média. Tudo o que precisamos saber é a média da amostra na primeira medida que a população significa em ambas as medidas e a correlação entre as medidas. Considere um exemplo simples. Aqui, presumo que a população de pré-teste é de 50 e que selecionamos uma amostra de pontuação de baixo pré-teste que tem uma média de 30. Para começar, vamos assumir que não damos nenhum programa ou tratamento (ou seja, o caso nulo) e Que a população não está mudando ao longo do tempo sobre a característica que está sendo medida (isto é, estado estacionário). Diante disso, prevemos que a média da população seria de 50 e que a amostra obteria uma pontuação pós-teste de 30 se não houvesse regressão à média. Agora, suponha que a correlação seja .50 entre o pré-teste e o pós-teste para a população. Dada a nossa fórmula, esperamos que o grupo amostrado regredisse 50 da distância do ponto de não regressão para a média da população, ou 50 do caminho de 30 para 50. Neste caso, observaríamos uma pontuação de 40 para O grupo amostrado, o que constituiria um efeito de pseudo-efeito ou regressão de 10 pontos. Agora, vamos relaxar alguns dos pressupostos iniciais. Por exemplo, vamos assumir que, entre o pré-teste e o pós-teste, a população ganhou 15 pontos em média (e que esse ganho foi uniforme em toda a distribuição, ou seja, a variância da população permanece igual nas duas ocasiões de medição). Neste caso, espera-se que uma amostra que tenha uma média de pré-teste de 30 obtenha uma média pós-teste de 45 (isto é, 3015) se não houver regressão para a média (ou seja, r1). Mas aqui, a correlação entre pré-teste e pós-teste é de .5 então esperamos ver uma regressão para a média que cobre 50 da distância da média de 45 para a média pós-média de 65. Ou seja, observamos uma média pós-teste de 55 para a nossa amostra, novamente um pseudo-efeito de 10 pontos. A regressão ao meio é uma das ameaças mais difíceis de validade. É sutil em seus efeitos, e até mesmo pesquisadores excelentes às vezes não conseguem capturar um potencial artefato de regressão. Você pode querer saber mais sobre a regressão para o fenômeno médio. Uma boa maneira de fazer isso seria simular o fenômeno. Se você não está familiarizado com a simulação, você pode obter uma boa introdução no The Simulation Book. Se você já entende a idéia básica de simulação, você pode fazer uma simulação manual (ropor de dados) de artefatos de regressão ou uma simulação computadorizada de artefatos de regressão. Revisão da média em psicologia: Exemplo de definição A regressão à média ocorre quando as segundas medidas de Uma variável particular é menos extrema que a primeira. Saiba mais sobre a regressão para a média, variação aleatória e muito mais. Definição A regressão para a média é um fenômeno estatístico afirmando que os dados que são extremamente superiores ou inferiores à média provavelmente estarão mais próximos da média se for medido pela segunda vez. Isso significa que, se você tomar dois conjuntos de medidas independentes de cada pessoa em sua amostra, você acharia que as pessoas que tiveram pontuação que estavam bem acima ou abaixo da média durante a primeira medição teriam pontuações mais próximas da média na Segunda medida. Regressão à média, também conhecida como regressão em direção à média. Foi descoberto por Sir Francis Galton enquanto ele estava conduzindo relatórios sobre as alturas de 250 pais e suas 930 crianças. Galton calculou a altura média para adultos e crianças e traçou as alturas de todos em um gráfico. Galton descobriu que os pais que eram mais altos que a média tendiam a ter filhos que eram mais altos do que a média, e os pais que eram mais curtos do que a média tendiam a ter filhos menores em média. No entanto, nos casos em que os pais eram mais altos do que a média, as crianças tendiam a ser um pouco mais curtas do que os pais, e nos casos em que os pais eram menores do que a média, as crianças tendiam a ser um pouco mais altas do que os pais. Em outras palavras, as crianças de pais com alturas extremamente acima ou abaixo da média tinham alturas mais próximas da média. Galton chamou esse fenômeno de regressão da média. A regressão à média é devida a variação aleatória. Ou chance, o que afeta a amostra. Por exemplo, parte da altura é devido aos nossos genes que herdamos dos nossos pais, mas também existem outras influências aleatórias que podem afetar sua altura. É a variância aleatória que faz com que algumas das amostras tenham valores extremos. É importante notar que a variância aleatória na segunda medida não é influenciada pela variação aleatória que afetou a primeira medida. Por isso, as amostras aparecerão regredidas na segunda medição. Suponhamos que estávamos interessados ​​em estudar o nível de agressão nos jogadores de futebol depois de perder um jogo. Você tirou uma amostra de 50 jogadores de futebol e mediu seu nível de agressão depois que eles perderam para outra equipe durante o jogo em casa. Você grava os dados em um gráfico e descobre que a pontuação média de agressão é 72 (em 100). As pontuações dos 50 jogadores variam de 41 a 100. Desbloqueie o conteúdo Mais de 30.000 aulas em todos os principais assuntos Obtenha acesso GRATUITO por 5 dias, basta criar uma conta. Nenhuma obrigação, cancele a qualquer momento. Selecione um assunto para visualizar cursos relacionados: uma semana depois, você decide medir a agressão nos mesmos 50 jogadores de futebol depois de perder um jogo fora. Desta vez, a pontuação média de agressão é de 63. As pontuações dos 50 jogadores variam de 48 a 78. Você acha que os jogadores de futebol cujas pontuações de agressão estavam bem abaixo da média após a primeira perda se aproximar da média após a segunda perda, E os jogadores cujas pontuações estavam bem acima da média durante a primeira perda diminuíram e agora estão mais próximos da média. Em outras palavras, quanto mais longe da média que era o placar de agressão, mais provável é que o segundo placar de agressão seja mais próximo da média. Este é um exemplo de regressão para a média. Por que as pontuações de agressão mudaram Talvez os jogadores que tenham marcado mais baixo após a primeira perda tiveram um mau dia. Poderia ser que o treinador deu à equipe um excelente jogo de pós-jogo após a segunda derrota, o que influenciou como eles relataram sua agressão. O ponto é que a mudança na agressão não reflete os jogadores de futebol, mas algumas variações aleatórias. Resumo da lição A regressão para os escores de estados médios que são extremamente superiores ou inferiores à média na primeira vez em que são medidas em alguma variável provavelmente estará mais próxima da média na segunda vez que são medidas na mesma variável. A regressão à média é devida a variância aleatória que influencia a amostra. A variância aleatória na primeira medida é independente da variância aleatória na segunda amostra. Para desbloquear esta lição você deve ser um membro do estudo. Crie sua conta Ganhando Crédito da faculdade Você conheceu o booknet Temos mais de 79 cursos universitários que o preparam para ganhar crédito por exame aceito por mais de 2.000 colégios e universidades. Você pode testar fora dos primeiros dois anos de faculdade e salvar milhares fora de seu grau. Qualquer pessoa pode ganhar crédito por exame, independentemente da idade ou nível de educação. Transferência de crédito para a escola de sua escolha Não tenho certeza que faculdade você deseja participar ainda Estudo tem milhares de artigos sobre cada grau imaginável, área de estudo e carreira que pode ajudá-lo a encontrar a escola que é certo para você. Pesquisa Escolas, Graus e Carreiras Obtenha as informações imparciais que você precisa para encontrar a escola certa. Procurar artigos por categoria