可用於解釋A是否是B的原因的統計方法你好
一旦我們試圖查看參數A是否是B的原因，那麼統計方法會有什麼幫助呢？
例如，特定因素的毒性是一種疾病的原因嗎？
謝謝
Re：可用於解釋A是否是B的原因的統計方法我認為你所尋找的方法被稱為“科學”，在科學中我們開發的理論可以幫助我們預測預期的因果關係。 當然，可能存在競爭理論或競爭因果關係，因此我們進行實驗以了解現實世界告訴我們的內容。 在這裡，統計數據可以幫助我們設計實驗，以便它們更有效地使用資源，並確保如果存在真實的關係，我們可能會檢測到它。作為我們對實驗數據分析的一部分，我們通常會使用回歸技術來建立統計模型，這將使我們對選擇有關因果關係的競爭理論更有信心。
Re：可用於解釋A是否是B的原因的統計方法附上是回歸。
Re：可用於解釋A是否是B的原因的統計方法有很多型號可供選擇。到目前為止，您尚未共享數據或回歸分析的結果，因此很難進一步指導您。
有經驗模型和理論模型。有用於測試假設的模型和用於插值的模型。 當然，有許多方法可用於估計這些模型。我相信如果您告訴我們有關比較的更多信息，JMP社區可以幫助您。
Re：可用於解釋A是否是B的原因的統計方法 已應用回歸圖表顯示對參數沒有影響。我正在尋找其他方法Correlation解釋了參數之間的強度，而不是原因。甚至高相關性並不總是意味著其他因素也可能有所貢獻
Re：可用於解釋A是否是B的原因的統計方法Re：可用於解釋A是否是B的原因的統計方法正如馬克所說，沒有可替代設計的實驗（和一些領域知識）。
相關性並不一定意味著因果關係。 例證：
http://tylervigen.com/spurious-correlations
Re：可用於解釋A是否是B的原因的統計方法您問題的天真性表明您可能會從一些解釋性建模培訓中受益。JMP和JMP培訓提供此類課程。
Re：可用於解釋A是否是B的原因的統計方法一般來說對照實驗 （具有特定屬性）需要建立因果關係或因果關係。
您可以分別使用方差分析（分類因子）或線性或非線性回歸（連續因子）或邏輯回歸和其他方法來探索連續或分類響應與因子之間的相關性或關聯。
請參見幫助>書籍>擬合線性模型。
