Baixo valor de em pesquisa em ciências sociais ou educação?

8

Estou procurando artigos que falem sobre "por que o baixo valor de é aceitável em ciências sociais ou em pesquisas educacionais". Por favor, aponte-me para o diário certo, se você souber um. $R^2$

— Amin
fonte

Um thread relevante: stats.stackexchange.com/q/414349/121522

— mkt - Reinstate Monica

11

Um artigo de Abelson (1985) intitulado "Um paradoxo da explicação da variância: quando um pouco é demais" , publicado no Psychological Bulletin , aborda (parte de) esta questão. Em particular, Abelson mostra que a proporção de variação compartilhada entre uma variável dicotômica e uma variável contínua pode ser surpreendentemente pequena, mesmo quando a intuição ditaria um muito grande (ele usa o exemplo de se um taco de beisebol bateria na bola ou não , em função da média de rebatidas do batedor - produzindo um enorme ). $R^2$ $R^2 < .001$

Abelson continua explicando que mesmo um tão pequeno pode ser significativo, desde que o efeito sob investigação possa se fazer sentir ao longo do tempo. $R^2$

PS: Usei este artigo há alguns meses para responder a um revisor que não se impressionou com nossos baixos , e atingiu a marca - nosso artigo está agora no ar :) $R^2$

Referência: Abelson, RP (1985). Um paradoxo da explicação da variação: quando um pouco é muito. Boletim Psicológico , 97 , 129-133.

— Patrick Coulombe
fonte

1

Obrigado pela informação. Achei o artigo interessante. Embora ele mostre um exemplo contrário ao valor de , estou tentando encontrar um artigo / revisão que discuta a tendência / convenção em pesquisas envolvendo comportamento / desempenho humano. -

R^{2}

$R^2$

— Amin

6

Um argumento que acena com os braços e que, no entanto, tem muita força, funciona para trás. O que implicaria uma previsão perfeita? Por exemplo, isso implicaria que podemos prever o desempenho dos alunos exatamente sabendo sua idade, sexo, raça, classe etc. Mas sabemos que isso é absurdo; contradiz muito mais do que sabemos nas ciências sociais, para não dizer a vida cotidiana. Além disso, embora essa seja uma questão diferente: muitos de nós não gostariam de viver em um mundo assim.

— Nick Cox
fonte

1

Não tenho certeza do que você quer dizer. Primeiro, provavelmente não há exemplos nos quais você tenha exatamente 1 para um ao estudar o comportamento humano, é apenas uma estrutura. Segundo, como qualquer resultado estatístico, é baseado em grandes números de resultados. Por fim, para citar seus exemplos, as ciências sociais (infelizmente?) Costumam nos dizer que algumas variáveis (como diploma e implicação dos pais, etnia, horas de trabalho) são, de fato, bons indicadores das realizações de um aluno.

R^{2}

$R^2$

— Anthony Martin

2

Prefiro duvidar de "muito bom" na prática. A menos que seja essencialmente tautológico, nas ciências sociais parece muito mais provável que seja que .

R^{2}

$R^2$

\sim 0.1

$\sim 0.1$

\sim 1

$\sim 1$

— Nick Cox

1

Eu não tenho casos precisos em educação, mas, por exemplo, equações de Mincer (salários previsões) com apenas duas variáveis (educação e experiência) já pode render superior a 0,5

R^{2}

$R^2$

— Anthony Martin

2

Isso é consistente com o meu argumento. Na ciência física, é frequentemente um sinal de incompetência ou falha na escolha de um problema que vale a pena. O fato de você considerar algo como como "muito bom" decorre, eu suspeito, de você saber que sempre existem muitas incógnitas.

R^{2} < 0.9

$R^2 < 0.9$

0.5

$0.5$

— Nick Cox

1

Não vejo nenhuma teoria em sua discussão. Mais importante, acho que não estamos nos contradizendo. Você está impressionado que podemos obter moderados algumas vezes nas ciências sociais; Não estou surpreso e não afirmei o contrário.

R^{2}

$R^2$

— Nick Cox

4

Acho sua pergunta um pouco vaga, provavelmente depende do que você deseja fazer nas ciências sociais ou na pesquisa educacional. Porém, de maneira mais geral, como todo indicador, é bom para verificar o que foi projetado para verificar, ruim para o resto. $R^2$

Precisamente, pode ser definido como , para que ele explique quanto dos dados você pode explicar pelo seu modelo, como dados de poço se encaixam em um modelo estatístico. $R^2$ $R^2 = \frac{SSE}{SST} = 1 - \frac{SSR}{SST}$

O domínio em que é mais importante é quando você deseja fazer uma previsão : se você deseja prever seu resultado, é necessário que seu modelo explique quase tudo o que está acontecendo se os dados.
Pelo contrário, se você está interessado - geralmente é o caso - na influência de uma variável / parâmetro , você não se importa com o ; tudo o que se importa é que seus efeitos sejam, por exemplo, significativos, com o hipótese necessária verificada. $R^2$

Não tenho uma referência precisa em mente, mas qualquer livro introdutório de econometria terá um capítulo ou seção (por exemplo, econometria principalmente inofensiva ou Econometria introdutória de Wooldridge : uma abordagem moderna ).

— Anthony Martin
fonte

2

O argumento de Abelson poderia ser resumido: o que é improvável se torna provável em caso de repetições suficientes.

A evolução baseia-se neste princípio: É improvável que uma mutação seja uma vantagem para o mutante. Mas, no caso de haver muitas mutações, é provável que algumas sejam vantajosas. Por meio de seleção e progênie, o improvável posteriormente se torna provável na população.

Nos dois casos, existe um mecanismo de seleção que torna o sucesso decisivo, e o fracasso não é um desastre (pelo menos para as espécies).

O livro de Jesper Juul sobre jogos, "The Art of Failure", acrescenta outra dimensão às considerações de Abelson. O ponto de Juul é que não é fascinante jogar jogos onde você nunca perde. Na verdade, deve haver um equilíbrio entre as habilidades e a frequência de fracassos / sucessos, antes que se torne ativo jogar e melhorar seu desempenho.

O jogo e o treinamento garantem que a falha não seja um desastre e, em seguida, o mecanismo de seleção é eficaz e os baixos valores de R2 não são problema, podem até ser preferíveis. Inversamente, quando a falha é um desastre, altos valores de R2 são muito importantes.

De maneira mais geral, os valores de R2 são importantes quando o evento é um divisor de águas. Além disso, os eventos de mudança de jogo geralmente não podem ser reduzidos a uma binaridade, falha / sucesso: os possíveis resultados são múltiplos e têm múltiplos efeitos. Nesse caso, o resultado tem relevância histórica / biográfica.

Caso os eventos sejam históricos e nunca tenham ocorrido antes, é basicamente impossível estimar o R2, embora algumas descrições analíticas possam reduzir a aleatoriedade porque a história, em certa medida, pode se assemelhar. Em resumo, você pode experimentar a combinação de pequenos eventos R2 e de mudança de jogo. ... Bem, isso é vida, às vezes ;-)

— user285684
fonte