Ich suche nach Artikeln, die darüber sprechen, "warum ein niedriger Wert in der Sozialwissenschaft oder in der Bildungsforschung akzeptabel ist". Bitte zeigen Sie mir das richtige Tagebuch, wenn Sie eines kennen.
Antworten:
Ein Papier von Abelson (1985) mit dem Titel „Eine Abweichung Erklärung Paradox: Wenn ein wenig viel“ , veröffentlichte in Psychological Bulletin , Adressen (Teil) dieses Problem. Insbesondere zeigt Abelson, dass der Anteil der Varianz, der zwischen einer dichotomen und einer kontinuierlichen Variablen geteilt wird, überraschend gering sein kann, selbst wenn die Intuition ein sehr großes diktieren würde (er verwendet das Beispiel, ob ein Baseballschläger einen Ball schlagen würde oder nicht , als Funktion des Schlagdurchschnitts des Schlägers - ergibt satte ).R 2 < 0,001
Abelson erklärt weiter, dass selbst ein so winziges kann, solange sich der untersuchte Effekt im Laufe der Zeit bemerkbar macht.
PS: Ich habe dieses Papier vor ein paar Monaten verwendet, um einem Rezensenten zu antworten, der von unseren niedrigen beeindruckt war , und es hat ins Schwarze getroffen - unser Papier ist jetzt in Druck :)
Ein armschwingendes Argument, das dennoch viel Kraft hat, wirkt rückwärts. Was würde eine perfekte Vorhersage bedeuten? Zum Beispiel würde dies bedeuten, dass wir die Leistung der Schüler genau vorhersagen können, indem wir nur ihr Alter, Geschlecht, Rasse, Klasse usw. kennen. Wir wissen jedoch, dass dies absurd ist. es widerspricht viel anderem, was wir in der Sozialwissenschaft wissen, ganz zu schweigen vom Alltag. Obwohl dies ein anderes Thema ist: Viele von uns würden nicht in einer solchen Welt leben wollen.
Die Domäne, in der es am wichtigsten ist, ist, wenn Sie eine Vorhersage durchführen möchten : Wenn Sie Ihr Ergebnis vorhersagen möchten, muss Ihr Modell fast alles erklären, was passiert, wenn die Daten vorliegen.
Ich habe keine genaue Referenz im Sinn, aber jedes einführende ökonometrische Lehrbuch wird ein Kapitel oder einen Abschnitt enthalten (z. B. meist harmlose Ökonometrie oder Wooldridges einführende Ökonometrie: Ein moderner Ansatz ).
Abelsons Punkt könnte zusammengefasst werden: Was unwahrscheinlich ist, wird bei ausreichend vielen Wiederholungen wahrscheinlich.
Die Evolution baut auf diesem Prinzip auf: Es ist unwahrscheinlich, dass eine Mutation für die Mutante von Vorteil ist. Bei ausreichend vielen Mutationen ist es jedoch wahrscheinlich, dass einige vorteilhaft sind. Durch Selektion und Nachkommenschaft wird das Unwahrscheinliche danach in der Bevölkerung wahrscheinlich.
In beiden Fällen gibt es einen Auswahlmechanismus, der den Erfolg entscheidend macht, und das Scheitern ist keine Katastrophe (zumindest für die Art).
Jesper Juuls Buch "The Art of Failure" über Spiele fügt Abelsons Überlegungen eine weitere Dimension hinzu. Juuls Argument ist, dass es nicht faszinierend ist, Spiele zu spielen, bei denen man nie verliert. Tatsächlich muss ein Gleichgewicht zwischen Fähigkeiten und der Häufigkeit von Fehlern / Erfolgen bestehen, bevor es aktiv wird, um zu spielen und Ihre Leistung zu verbessern.
Spiele und Training stellen sicher, dass ein Ausfall keine Katastrophe ist, und dann ist der Auswahlmechanismus effektiv und niedrige R2-Werte sind kein Problem, sie können sogar vorzuziehen sein. Umgekehrt sind hohe R2-Werte sehr wichtig, wenn ein Ausfall eine Katastrophe ist.
Im Allgemeinen sind R2-Werte wichtig, wenn das Ereignis ein Game Changer ist. Darüber hinaus können Gamechanging-Ereignisse oft nicht auf Binarität, Misserfolg / Erfolg reduziert werden: Die möglichen Ergebnisse sind vielfältig und haben mehrere Auswirkungen. In diesem Fall hat das Ergebnis eine historische / biografische Bedeutung.
Falls Ereignisse historisch sind und noch nie zuvor stattgefunden haben, ist es grundsätzlich unmöglich, R2 zu schätzen, obwohl eine analytische Beschreibung die Zufälligkeit verringern kann, da die Geschichte in gewissem Maße sich selbst ähnelt. Kurz gesagt, Sie können die Kombination aus kleinen R2- und Gamechanging-Ereignissen erleben. ... Nun, das ist manchmal das Leben ;-)