AがBの原因であるかどうかを説明するために使用できる統計的方法こんにちは
パラメータAがBの原因であるかどうかを確認しようとしたら、どのような統計的方法が役立ちますか。
例として、特定の元素の毒性は障害の原因ですか？
ありがとう
AがBの原因であるかどうかを説明する統計的手法私はあなたが探している方法は「科学」と呼ばれていると思います、そして科学では私たちが期待される因果関係を予想するのを助ける理論を開発します。 もちろん、競合する理論、または競合する因果関係がある可能性があるので、実世界が私たちに伝えていることを確認するために実験を行います。 そしてここで統計は私達がそれらが資源の使用においてより効率的であるようにそして私達がそれを検出する可能性があることを確実にするために実験を設計するのを助けることができる。実験データの分析の一環として、統計モデルを構築するために回帰手法を使用するのが一般的です。これにより、因果関係について競合する理論を選択する際の信頼性が高まります。
AがBの原因であるかどうかを説明する統計的手法囲まれているのは回帰です。
AがBの原因であるかどうかを説明する統計的手法から選択する多くのモデルがあります。これまでのところ、データや回帰分析の結果を共有していないため、これ以上先に進むことは困難です。
経験的モデルと理論的モデルがあります。仮説を検証するためのモデルと補間のためのモデルがあります。 もちろん、そのようなモデルを推定する方法はたくさんあります。比較についてもっと教えていただければ、JMPコミュニティがお手伝いできると確信しています。
AがBの原因であるかどうかを説明する統計的手法 回帰を適用しても、グラフはパラメータに影響を与えません。私は他の方法を探していました相関はパラメータではなく原因の強さを説明します。高い相関があっても、他の要因が同様に寄与する可能性があることを常に意味するわけではありません
AがBの原因であるかどうかを説明する統計的手法AがBの原因であるかどうかを説明する統計的手法Markが述べているように、計画された実験（およびいくつかの分野の知識）に代わるものはありません。
相関は必ずしも因果関係を意味するわけではありません。 適例：
http://tylervigen.com/spurious-correlations
AがBの原因であるかどうかを説明する統計的手法あなたの質問の素朴さは、あなたが説明的モデリングのいくつかの訓練から利益を得るかもしれないことを示唆しています。JMPとJMPトレーニングはそのようなコースを提供しています。
AがBの原因であるかどうかを説明する統計的手法一般的に制御実験 （特定の属性を持つ）因果関係または因果関係を確立するために必要です。
連続分析またはカテゴリカル応答と、分散分析（カテゴリカル因子）または線形回帰または非線形回帰（連続因子）、ロジスティック回帰などの方法を使用して、因子との相関または関連付けを調べることができます。
ヘルプ>本>線形モデルの近似を参照してください。
