Принятие решений в неопределенности стр.316

2.    “Связь между наблюдением и основанным на нем прогнозированием должна быть симметрична”. По-видимому, благоразумно ожидать, что, если В предсказано по знаниям об А, тогда А должно быть соответствующим прогнозом, когда известно В. Регрессивное прогнозирование, конечно же, нарушает эту симметрию, поскольку прогнозирование двух переменных друг от друга регулируется не одним я тем же уравнением регрессии. Родственная асимметрия встречается при сравнении регрессивного прогнозирования с действительными значениями критериальной переменной. Регрессивное прогнозирование не подвержено предубеждению, в том смысле, что среднее критериальное значение, во всех случаях, для которых было предсказано частное значение У, ожидается как У. Однако, если мы рассмотрим все случаи, для которых критериальное значение было У, окажется, что среднее значение их предсказанных показателей будет лежать между У и групповым средним значением. Эти асимметрии являются загадочными и контринтуитивными для сообразительных, но статистически неопытных людей.

Асимметрии регрессивного прогнозирования особенно проблематичны, когда первоначальное наблюдение и критерий генерированы одним и тем же процессом и априорно не отличаются, как в случае повторного осуществления выборки из той же совокупности или в случае параллельных форм одного теста. Единственной моделью прогнозирования, которая удовлетворяет симметрии в подобных ситуациях, является правило отождествления, при котором показатели по второй форме предсказываются как такие же, что и при первоначальном наблюдении. Принцип регрессивного прогнозирования представляет различие, для которого нет никаких очевидных оснований: как можно предсказать знак разницы между двумя значениями, выбранными из одной совокупности, как только становится известным одно-ив этих значений?

3. “Любой системных? эффект должен иметь причину”. Разница между первоначальными наблюдениями и действительными критериальными значениями является фактом, который можно наблюдать при любом типе рассеивания. Однако он оказывается эффектом без причины. Например, в ситуации повторного теста знание о том, что первоначальные показатели были высоки, влечет за собой прогнозировадие, что последующие будут ниже, но первое наблюдение не является причиной того, что второе будет ниже. Появление беспричинного эффекта нарушает вескую интуицию. В самом деле, пониманию регрессии сильно мешает тот факт, что любому примеру регрессии, с которым случайно сталкиваешься, вероятно, будет дано причинное объяснение. Например, в контексте умелого выполнения регрессия от первоначального теста к последующему обычно приписывается напряженному усердию после первой неудачи и чрезмерной уверенности, следующей за первоначальным успехом. Часто трудно осознать, что выполняющие будут регрессировать, далее не зная результатов, а только из-за непреодолимой ненадежности своего выполнения. Регрессия первого выполнения по второму также удивительна, потому что ей нельзя дать простого причинного объяснения.

Мы сделали набросок отрицательного анализа сложностей, которые испытывают люди в понимании и применении концепции регрессивного прогнозирования. Мы предполагаем, что у людей есть сильная интуиция относительно статистического прогнозирования, и что некоторые нормативно правильные принципы являются контр-интуитивными именно потому, что они нарушают их существующую интуицию. С этой точки зрения, “принципы”, которые люди принимают, представляют значительные убеждения, а не только лишь рационализации, и они играют существенную роль в замедлении изучения верных правил. Однако эти убеждения часто являются противоречивыми и, следовательно, непонятными. Например, невозможно построить не-выражденное совместное распределение роста отцов и (первых) сыновей так, чтобы средний рост отца был бы объективным предсказывающим фактором роста сына, а рост сына был бы объективным предсказывающим фактором роста его отца.


⇐ назад к прежней странице | | перейти на следующую страницу ⇒