※ 引述《UsadaPekura (兔田背骨拉)》之銘言：
: ※ 引述《mayolane (沒有人啦)》之銘言：
: : 我聽說
: : 社會科學在做回歸直線fitting的時候
: : R^2有0.5就可以宣稱高度相關了是不是
: : 另外
: : 你們怎麼區分相關性和因果關係的
: : 一般科學要分不難
: : 看有沒有物理意義就行
: : 那社會科學呢
: 如果是說多元線性迴歸的話
: 迴歸直線那個東西 R平方比較像是看整體模型的的適配度的
: 就是你的模型能夠解釋資料中多少的變異程度
: 如果要看A變因會不會影響B變因的話 通常會看那個迴歸係數的顯著值
: 就是他的t-value或是p-value 通常0.1或0.05就可以算是有顯著了
然後相關性和因果關係 要看你的操作化設計或是資料的類型
如果是時間序列的資料 拿去丟ARIMA模型或是格蘭傑檢定就沒事了 在前面的那個就是因
也可以在實驗設計的時候 用田口表格把所有變因分開來
看改變哪個變因的時候會對依變量有影響就知道
比較機歪的就是社會心理學的那種測量模型
基本上都是屬於後驗性的 先假設好變數間的關係然後跑迴歸
那種就只能按經驗去考慮有沒有假性的因果效應存在
常見的像是干擾效應、中介效應、調節效應之類的
舉例來說 有一個命題 「鞋子越大會使女性性吸引力越低」
但實際上有一個干擾變數「年齡」 年齡越大鞋子尺寸也越大 同時女性性吸引力也越低
所以實際的因果關係應該是 年齡越大會使女性性吸引力越低
然後聽說台灣尤其是112那些社會科學的 很看不起做量化分析的
那些112仔認為社會科學就是要找媒體開記者會 說原住民受到歧視 或是上街抗議kmt巴拉巴拉的
所以結論：社會科學 = 仿賽