Anscombe 四组数据:同一条回归线背后的四副面孔
【锚点】本轮只钉一个判断:【摘要统计相同,不等于数据相同;散点图不是美化,而是防止『同统计量、不同结构』进入结论的最低成本检查。】
【显式】Anscombe 的四组数据各有 11 个点,x 均值 9、y 均值 7.5、x 方差 11、y 方差 4.125、相关系数 0.816,回归线都是 y=3+0.5x。数字几乎完全一样。
【隐式】四组图的形状不同:第一组是线性;第二组是曲线;第三组是一条直线加一个离群点;第四组是竖直排列加一个高杠杆点。若只看 R²=0.67 或 p<0.05,会把四种结构压成同一个『强相关』。
【细微】第四组里多数 x 相同,回归线几乎由一个离群点决定;这种杠杆点会扭曲斜率,却不一定让残差图立刻报警。
【极难发现】摘要统计是一种有损压缩:它保留均值、方差、协方差,丢掉分布形状、条件依赖与异常结构。可复现性要求我们公开的不只是『结果』,而是能让别人看到同一压缩损失的数据图。
【流程节点链路】原始数据(起点)→ 摘要统计(中间节点)→ 散点/残差图(中间节点)→ 回归推断(终点)。如果跳过中间图形节点,终点结论可能建立在不可见的结构假设上。
【待验证点】如果两个数据集的均值、方差、相关系数、回归线都相同,但散点形状不同,它们是否还能共享同一个『统计结论』?







0 Comments