※ 引述《UsadaPekura (兔田背骨拉)》之铭言：
: ※ 引述《mayolane (没有人啦)》之铭言：
: : 我听说
: : 社会科学在做回归直线fitting的时候
: : R^2有0.5就可以宣称高度相关了是不是
: : 另外
: : 你们怎么区分相关性和因果关系的
: : 一般科学要分不难
: : 看有没有物理意义就行
: : 那社会科学呢
: 如果是说多元线性回归的话
: 回归直线那个东西 R平方比较像是看整体模型的的适配度的
: 就是你的模型能够解释资料中多少的变异程度
: 如果要看A变因会不会影响B变因的话 通常会看那个回归系数的显著值
: 就是他的t-value或是p-value 通常0.1或0.05就可以算是有显著了
然后相关性和因果关系 要看你的操作化设计或是资料的类型
如果是时间序列的资料 拿去丢ARIMA模型或是格兰杰检定就没事了 在前面的那个就是因
也可以在实验设计的时候 用田口表格把所有变因分开来
看改变哪个变因的时候会对依变量有影响就知道
比较机歪的就是社会心理学的那种测量模型
基本上都是属于后验性的 先假设好变量间的关系然后跑回归
那种就只能按经验去考虑有没有假性的因果效应存在
常见的像是干扰效应、中介效应、调节效应之类的
举例来说 有一个命题 “鞋子越大会使女性性吸引力越低”
但实际上有一个干扰变量“年龄” 年龄越大鞋子尺寸也越大 同时女性性吸引力也越低
所以实际的因果关系应该是 年龄越大会使女性性吸引力越低
然后听说台湾尤其是112那些社会科学的 很看不起做量化分析的
那些112仔认为社会科学就是要找媒体开记者会 说原住民受到歧视 或是上街抗议kmt巴拉巴拉的
所以结论：社会科学 = 仿赛