Избегайте неверных выводов
Что бы вы ни анализировали, нельзя всецело полагаться на диаграммы рассеивания, корреляции или уравнения регрессий. Эти коэффициенты не всегда отражают причинные зависимости между рядами данных. Корреляции, которые кажутся значимыми и статистически достоверными, на самым деле могут объясняться воздействием абсолютно случайных факторов.
Особенно высока вероятность неправильной интерпретации графиков и диаграмм. Знаменитый пример заблуждений подобного рода относится к «закономерностям», обнаруженным в расположении точек, куда попадали немецкие бомбы при авианалетах на Лондон во время Второй мировой войны. Газеты публиковали карты с расположением этих точек, и лондонцы изучали их, а когда находили районы, куда бомбы не попадали, приходили к заключению, что там прячутся немецкие шпионы. Последующий статистический анализ показал, что никакой закономерности не было и попадания бомб были абсолютно случайными. Обсуждение склонности людей видеть причинность в абсолютно случайных данных, таких, на пример, как географическое распределение случаев заболевания раком, можно найти в книге Рида Хэсти и Робина М. Доуса Rational Choice in an Uncertain World (Рациональный выбор в неопределенном мире).
Одна из наиболее серьезных проблем подобного рода – это выводы о причинах тех или иных событий и явлений на основании ошибочных или ложных корреляций. Подобные некорректные выводы делаются, как правило, тогда, когда:
• не принимается во внимание, что данные могут объясняться воздействием чисто случайных факторов;
• не берут в расчет третью переменную, которая и определяет изменение двух переменных;
• не принимается во внимание изменчивость самой популяции данных;
• при ошибке агрегации.
К сожалению, во многих исследованиях закономерностей динамики рынка делаются одновременно все указанные выше ошибки. Вы можете найти примеры в академических исследованиях, уже цитировавшихся в этой книге, однако еще лучшим введением в эту проблему может быть соревнование на лучший пример псевдокорреляций Spurious Correlations Contest, которое проводит университет Purdue.
Пример, признанный наиболее исключительным в
1998 году, действительно актуален и уникален. Рон Мэйкер использовал корреляцию между численностью населения немецкого города Ольденбурга и численностью замеченных там аистов.
В Ольденбурге самая высокая в мире доля жителей, которые читают работы философа Эммануила Канта, причем каждый год в город переселяются все новые поклонники философа. Поскольку философские дискуссии о Канте становятся более и более оживленными, поварам приходится готовить все больше колбас (wurst — нем.). Их количество растет, а качество снижается. Из-за плохой колбасы, как известно, нарушается логика рассуждений. Это ведет к абсолютно неправильным интерпретациям произведений Канта, называемым по-немецки unkantver-stehenlassenhummels. Письменные дискуссии на эту тему серьезно ухудшают зрение жителей города, поскольку им приходится постоянно читать и писать такое длинное слово. Проблемы со зрением приводят к тому, что аистов замечают даже тогда, когда их нет поблизости, поэтому данные об аистах оказываются завышенными минимум в два раза.
|
