ในการคิดเร็วและช้า Daniel Kahneman วางคำถามสมมุติฐานต่อไปนี้:
(หน้า 186) Julie ปัจจุบันเป็นรุ่นพี่ในมหาวิทยาลัยของรัฐ เธออ่านได้คล่องเมื่อเธออายุสี่ขวบ เกรดเฉลี่ย (GPA) ของเธอคืออะไร
ความตั้งใจของเขาคือการแสดงให้เห็นว่าเรามักจะล้มเหลวในการบัญชีสำหรับการถดถอยถึงค่าเฉลี่ยเมื่อทำการทำนายเกี่ยวกับสถิติบางอย่าง ในการอภิปรายต่อไปเขาแนะนำ:
(หน้า 190) จำได้ว่าความสัมพันธ์ระหว่างสองมาตรการ - ในกรณีการอ่านอายุปัจจุบันและเกรดเฉลี่ย - เท่ากับสัดส่วนของปัจจัยที่ใช้ร่วมกันในปัจจัยของพวกเขา คุณคาดเดาสิ่งที่ดีที่สุดเกี่ยวกับสัดส่วนนั้นได้อย่างไร การคาดเดาในแง่ดีที่สุดของฉันคือประมาณ 30% สมมติว่าประมาณการนี้เรามีทุกอย่างที่เราต้องการในการทำนายอย่างเป็นกลาง นี่คือคำแนะนำสำหรับวิธีการเดินทางในสี่ขั้นตอนง่าย ๆ :
- เริ่มต้นด้วยการประมาณเกรดเฉลี่ย
- กำหนดเกรดเฉลี่ยที่ตรงกับการแสดงหลักฐานของคุณ
- ประมาณค่าสหสัมพันธ์ระหว่างการอ่านค่าความฉลาดสูงกับเกรดเฉลี่ย
- หากความสัมพันธ์คือ. 30 ให้ย้าย 30% ของระยะทางจากค่าเฉลี่ยไปยังเกรดเฉลี่ยที่ตรงกัน
การตีความคำแนะนำของเขาของฉันเป็นดังนี้:
- ใช้ "เธออ่านได้อย่างคล่องแคล่วเมื่อเธออายุสี่ขวบ" เพื่อสร้างคะแนนมาตรฐานสำหรับความฉลาดเกินอายุการอ่านของจูลี่
- กำหนดเกรดเฉลี่ยที่มีคะแนนมาตรฐานที่สอดคล้องกัน (GPA ที่มีเหตุผลในการทำนายจะสอดคล้องกับคะแนนมาตรฐานนี้หากความสัมพันธ์ระหว่าง GPA และความแม่นยำในการอ่านนั้นสมบูรณ์แบบ)
- ประมาณเปอร์เซ็นต์ของความแปรปรวนใน GPA ที่สามารถอธิบายได้ด้วยความแปรปรวนในการอ่านความแม่นยำ (ฉันคิดว่าเขาหมายถึงสัมประสิทธิ์การตัดสินใจด้วย "สหสัมพันธ์" ในบริบทนี้?)
- เนื่องจากมีเพียง 30% ของคะแนนมาตรฐานของความฉลาดเกินดุลการอ่านของจูลี่สามารถอธิบายได้ด้วยปัจจัยที่สามารถอธิบายคะแนนมาตรฐานของเกรดเฉลี่ยของเธอได้เราจึงมีความชอบธรรมในการทำนายว่าคะแนนมาตรฐานของเกรดเฉลี่ยของจูลี่จะเป็น 30% ของสิ่งที่จะเป็น ในกรณีของความสัมพันธ์ที่สมบูรณ์แบบ
การตีความขั้นตอนของ Kahneman ของฉันถูกต้องหรือไม่? ถ้าเป็นเช่นนั้นจะมีเหตุผลทางคณิตศาสตร์ที่เป็นทางการมากขึ้นของขั้นตอนของเขาโดยเฉพาะขั้นตอนที่ 4? โดยทั่วไปแล้วความสัมพันธ์ระหว่างความสัมพันธ์ระหว่างตัวแปรสองตัวกับการเปลี่ยนแปลง / ความแตกต่างในคะแนนมาตรฐานคืออะไร