회귀를 의미한 일반적인 통계적 현상할 수 있는 오해 우리가 우리가 세상을 관찰. 학습을 인식하는 때 회귀를 의미하는 데 도움이 될 수 있 잘못 해석되지 않도록 데이터와 보고는 패턴 존재하지 않습니다.

***

이것이 최소화하는 것이 중요하의 인스턴스는 잘못된 판단하고 약한 우리를 추론. 평균에 대한 회귀에 대해 배우는 것이 우리를 도울 수 있습니다.

노벨상을 수상한 심리학자 대니얼 카너먼 책을 썼에 대한 편견을하는 클라우드의 추론하고 왜곡하는 우리의 인식의 현실이다. 그것이 있다고 밝혀졌의 전체 세트를 논리는 오류를 우리가 투입하기 때문에 우리의 직관과 두뇌를 처리하지 않으로 잘 간단한 통계입니다. 그가 빠르고 느린 생각에서 검사하는 오류 중 하나는 평균을 향한 악명 높은 회귀입니다.

평균에 대한 회귀의 개념은 Francis Galton 경에 의해 처음 해결되었습니다. 규칙시는 것은,모든 시리즈는 복잡한 현상에 의존하는 많은 변수는 기회가 관련된 극단적인 결과는 경향이 있 다음에 더 적당한다.

에서 찾는 지혜를 베드로 Bevelin 제공하는 예의 존 불만족과 성능의 새로운 직원이 그래서 그는 그들을 넣어 기술을 강화하는 프로그램를 측정했 직원의 기술:

자신의 점수는 지금보다 더 높은 그들에 첫 번째 시험입니다. 존의 결론:”기술 향상 프로그램은 기술 향상을 일으켰습니다.”이것은 반드시 사실이 아닙니다. 그들의 더 높은 점수는 평균에 회귀의 결과 일 수 있었다. 이후 이러한 개인이었으로 측정되는 것에서 저 끝의 스케일의 기술을,그 다음과 같이 개선 경우에도 그들이 걸리지 않았었는 기술 강화 프로그램입니다. 그리고 스트레스,피로,질병,산만 등 이전 성능에 대한 많은 이유가있을 수 있습니다. 그들의 진정한 능력은 아마도 변하지 않았을 것입니다.

우리의 성능은 항상 평균 진정한 성능을 중심으로 다릅니다. 극단적 인 성능은 다음 번에 덜 극단적 인 경향이 있습니다. 왜? 테스트 측정은 결코 정확할 수 없습니다. 모든 측정은 하나의 진정한 부분과 하나의 무작위 오류 부분으로 구성됩니다. 측정이 극단적 인 경우 부분적으로 우연히 발생할 가능성이 있습니다. 기회는 우리가 성능을 측정하는 두 번째 시간에 덜 기여할 가능성이 높습니다.

경우 우리가 스위치에서는 방법 중 하나 뭔가 다른 단지 때문에 우리는 실패한,그것은 매우 가능성이 높습니다 그리고 우리는 더 나은 다음에 시도하는 경우 새로운 뭔가를 하는 방법은 같거나 악화됩니다.

이것은 하나의 이유로 그것은 위험을 추정하에서 작은 샘플 크기로 데이터가 제공되지 않을 수 있습니 대표의 배포. 그것은 또한 이유 James 월는 더 이상 누군가가 유지에서 자신의 일을,”적은 가능한 차이는 관찰되 기록하의 성능과 실제적인 능력이 있습니다.”단기간에,특히 기술과 행운의 조합을 포함하는 모든 노력에서 무엇이든 일어날 수 있습니다. (운에 대한 기술의 비율은 또한 평균에 대한 회귀에 영향을 미친다.)

회귀를 의미

의 효과 회귀를 의미할 수 있습니다 관찰에서 스포츠,어디에 효과 발생의 많은 부당한 추측.

빠르고 느리게 생각하는 Kahneman 은 최종 점수가 두 개의 별도 점프의 조합 인 훈련 인 men’s ski jump 를 보면서 회상합니다. 평균에 대한 회귀를 알고,Kahneman 은 두 번째 점프에 대한 해설자의 예측을 듣고 깜짝 놀랐습니다. 그는 다음과 같이 씁니다:

노르웨이가 처음 뛰어,그는 것이 긴장을 기대하고,보호의 인도니다 아마 더 나쁘다”또는”스웨덴 나쁜 첫째로 이동 그리고 지금은 알고 있는 그는 아무것도 잃을 것이 편안하는 데 도움이 그를 더 잘 해야 합니다.

얼 카너먼트의 해설자가 발견했는 회귀를 의미와 함께 올에 대한 이야기는 없었 인과 증명(참조 이야기를 착오). 이것은 그의 이야기가 사실 일 수 없다고 말하는 것이 아닙니다. 어쩌면 우리가 각 점프 전에 심장 박동수를 측정했다면,첫 번째 점프가 나쁘다면 더 편안하다는 것을 알 수 있습니다. 그러나 그것은 요점이 아닙니다. 요점은 첫 번째 점프의 결과에서했던 것처럼 운이 역할을 할 때 평균에 대한 회귀가 발생한다는 것입니다.스포츠에서 얻은 교훈은 기회가 역할을하는 모든 활동에 적용됩니다. 우리는 종종 특정 프로세스에 대한 우리의 영향에 대한 설명을 진행 또는 부족에 첨부합니다.

현실에서 과학의 성능,복잡한 상황에 따라 그리고 종종 훨씬 우리가 무엇을 생각하는 것은 우리의 통제에서는 진정한다.

의 경우 스키 점프,강한 바람에 대해 점퍼로 이어질 것도 최고의 선수를 보여주는 평범한 결과입니다. 마찬가지로,강한 바람과 스키 조건에서의 찬성 평범한 점퍼로 이어질 수 있습은 상당하지만,일시적 충돌에서 자신의 결과입니다. 그러나 이러한 효과는 일단 조건이 바뀌면 사라질 것이고 결과는 정상으로 되돌아 갈 것입니다.이것은 코칭 및 성능 추적에 심각한 영향을 줄 수 있습니다. 회귀의 규칙은 성과 또는 채용을 평가할 때 특정 상황의 결과보다 트랙 기록에 더 의존해야한다고 제안합니다. 그렇지 않으면 우리는 실망하기 쉽습니다.

경우얼 카너먼었는 강의를 이야기에 대해 심리학의 효과적인 교육,하나 임원의 자신의 경험을 공유하는 확장을 찬양하는 그분의 부하가 성과는 반면,꾸지람을 후속 노력이 있습니다. 그 결과,그는 부정적인 피드백에 관대하게 성장했고 너무 많은 칭찬을주는 오히려 경계가되었다.

Kahneman 은 즉시 직장에서 평균으로 회귀하는 것을 발견했습니다. 그는 당신이 스스로 시도하고 싶을 수도있는 간단한 운동으로 오해를 설명했습니다. 그가 원을 그렸다 칠판에 다음 물었 임원 중 하나에 의해 하나의 조각을 던져 분필의 중심에 원형으로 그들의 뒤에 직면 칠판입니다. 그런 다음 그는 실험을 반복하고 첫 번째 및 두 번째 재판에서 각 장교의 성과를 기록했습니다.

자연,그는 믿을 수 없을만큼 잘에 첫 번째 시도하는 경향이 하에 자신의 두 번째 시도하고 그 반대입니다. 착오는 즉시 분명 해졌다:성능의 변화는 자연스럽게 일어난다. 다시 말할 수 없는 피드백을 중요하지 않습에–,어쩌면 그것은 그러나 경찰이 없었다는 증거를 체결했습니다.

불완전한 상관관계와 기회

이 시점에서는 이유가 궁금할 수 있습 회귀를 의미 일어나고 우리가 어떻게 확인할 수 있습 우리는 그것을 인식할 때 발생합니다.평균에 대한 회귀를 이해하기 위해서는 먼저 상관 관계를 이해해야합니다.

-1 과 1 사이에서 변화하는 두 측정 값 사이의 상관 계수는 그들이 공유하는 요인의 상대적 가중치를 측정 한 것입니다. 예를 들어,생 물 소비 대 자살률과 같이 공유되는 요인이 거의없는 두 가지 현상은 0 에 가까운 상관 계수를 가져야합니다. 는 말을 경우,우리는 모든 국가가 세계에서 꾸몄다 자살율이의 특정에 대한 인당 소비의 생 물,플롯을 표시가 없 패턴이다.

반면에,조치를 하는 전적으로 의존에서 같은 요소입니다. 이것의 좋은 예는 온도입니다. 는 유일한 요소를 결정 온도속의 분자—은 공유에 의해 모든 것,따라서 각 도에서 섭씨 것입니다 정확히 하나에 해당 값이 있습니다. 따라서 섭씨와 화씨의 온도는 상관 계수가 1 이고 플롯은 직선이 될 것입니다.

몇 가지 경우에 어떤 현상에서 인간 과학이 있는 상관계수의 1. 그러나 협회가 약하고 중간 정도이며 두 현상 사이에 약간의 설명력이있는 곳이 많이 있습니다. 0 과 1 사이의 어딘가에 착륙 할 신장과 체중 사이의 상관 관계를 고려하십시오. 는 거의 모든 세 살 것이 가볍고 보다 짧은 모든 사람을 모든 성인 남자 또는 세 개의 살의 동일한 높이가 무게 동일합니다.

이 변화 및 대응하는 낮은 수준의 상관 관계는 것을 의미하는 동안,높이가 일반적으로 좋은 예측,거기에 명확하게 요인이 아닌 다른 높이에서 재생합니다. 두 측정의 상관 관계가 완벽하지 않을 때,우리는 평균에 대한 회귀의 영향을 조심해야합니다.

Kahneman 은 일반적인 규칙을 관찰했습니다:두 점수 사이의 상관 관계가 불완전 할 때마다 평균에 대한 회귀가있을 것입니다.

이 처음에는 보일 수 있습니다 복잡하고 아주 직관적이지만,이 정도의 회귀를 의미하는 직접 관련된 정도의 상관관계의 변수입니다. 이 효과는 간단한 예제로 설명 될 수있다.

정 당신은 파티에서 요청 이유는 높은 지능형는 경향이 있는 여성과 결혼하는 남자를 덜 지능형보다 그들이 있습니다. 대부분의 사람들,심지어 일부 사람들을 훈련 통계에서 신속하게 점프와 다양한 인과 설명에 이르기까지 회의의 경쟁을 두려움의 외로움는 이러한 여성의 얼굴입니다. 그러한 논쟁의 주제는 큰 논쟁을 불러 일으킬 가능성이 있습니다.

자,배우자의 지능 점수 간의 상관 관계가 왜 완벽하지 않은지 묻는다면 어떨까요? 이 질문은 거의 없으로 재미 있고 거기에 작은 추측하기 우리는 모든 이것이 사실임을 알고 있습니다. 역설은 두 가지 질문이 대수적으로 동등한 것으로 일어난다는 사실에 있습니다. 얼 카너먼 설명합니다:

경우 사이의 상관 관계 정보의 배우자가 보다 적은 완벽한(그리고 만약 남성과 여성의 평균과 다르지 않다에서는 지),그 다음 그것은 필연하는 높은 지능 여성이 결혼하는 남편에게는 미만의 평균 지능형보다 그들은 그들(그리고 반대로,of course). 평균에 대한 관찰 된 회귀는 불완전한 상관 관계보다 더 흥미 롭거나 설명 할 수 없습니다.

고 가정하면 상관관계,불완전의 기회를 두 파트너를 나타내는 상위 1%의 관점에서의 어떤 특성보다 훨씬 작은 하나의 파트너를 나타내는 상위 1%의 다른–바닥 99%.

원인,효과 및 치료

우리는 특히 조심해야의 회귀를 의미한 현상을 설정하려고 할 때 인과 관계를 사이에 두 요인입니다. 때마다 상관관계가 불완전한,가장 좋은 항상 나타나 더 얻을 최악의 나타납니다 더 나은 시간에 관계없이 모든 추가적인 치료입니다. 이것은 일반적인 미디어와 때로는 훈련 된 과학자조차도 인식하지 못하는 것입니다.

을 고려 예얼 카너먼하면 다음과 같습니다.

우울한 어린이로 처리한 에너지 음료 향상에 크게 넘는 세월의 기간입니다. 나는이 신문 헤드 라인을 만들었지 만,그것이보고하는 사실은 사실입니다: 우울한 어린이 그룹을 에너지 음료로 얼마 동안 치료했다면 임상 적으로 유의 한 개선을 보일 것입니다. 머리에 서 있거나 하루에 20 분 동안 고양이를 껴안는 시간을 보내는 우울한 어린이도 개선을 보일 것입니다.

때마다오에서 이러한 헤드라인은 매우 매력적 결론으로 이동하는 에너지 음료,서 머리에 또는 포옹 고양이들은 모두 완벽한 가능한 치료에 대한 우울증이 있습니다. 그러나 이러한 경우는 다시 한번 평균에 대한 회귀를 구현합니다:

우울한 어린이는 극단적 인 그룹,그들은 더 우울보다는 다른 대부분의 아이들—그리고 극단적인 그룹의 회귀를 의미한다. 사이의 상관 관계는 우울증에 점수 연속 차례의 테스트는 완벽한 보다는 보다 적게,가있을 것입니다 그래서 회귀를 의미한다:우울한 어린이들 얻을 것이 다소 시간이 지남에 따라 더 경우에도 그들은 포옹하 없이 고양이와 음료가 없 Red Bull.

우리는 종종 실수 특성을 특정한 정책이나 치료의 원인으로는 경우,효력의 변화를 극단적인 그룹이 일어날 것이라고 어쨌든. 이것은 근본적인 문제를 제시합니다:효과가 진짜인지 또는 단순히 가변성으로 인한 것인지 어떻게 알 수 있습니까?

운 좋게도 실제 개선과 평균에 대한 회귀 사이에 말할 수있는 방법이 있습니다. 즉,회귀만으로 개선 될 것으로 예상되는 이른바 대조군의 도입이다. 이 연구의 목적은 치료 된 그룹이 회귀가 설명 할 수있는 것보다 더 많이 개선되는지 여부를 결정하는 것입니다.

을 실제 상황에서의 성능이 특정 개인 또는 팀,는 유일한 기준은 지난 성능을 제가 그룹 소개될 수 있습의 효과 회귀기 어려울 수 있습 불가능한 경우에는 풀다. 우리가 비교할 수 있습에 대한 산업 평균,동료에 동세대 그룹 또는 역사적 비율의 개선,하지만 아무도 이들의 완벽한 조치입니다.

***

다행히도 인지도의 회귀를 의미한 현상은 자체로 이미 좋은 첫 번째 단계로는 더 신중하게 접근을 이해하는 행운과 성능.평균으로의 회귀에서 배워야 할 것이 있다면 일회성 성공 사례에 의존하기보다는 트랙 레코드의 중요성입니다. 나는 다음 시간에 걸쳐 올 수 있는 극단적인 품질 부분에서 지배 당신이 깨닫게 됩니다 그 효과는 가능성이 퇴행 시간으로 조정됩니다.

다음에 읽을 내용

• 설명 된 113 가지 정신 모델로 생각을 업그레이드하십시오.
• 부정적인 결과를 피할 수 있도록 두 번째 수준의 사고에 대해 읽어보십시오.