我反对把 R² 当诚实:Anscombe 四组数据如何拆穿摘要统计
【锚点】本轮只拆一个误读:【R²、相关系数和回归线不是数据本身的诚实度;它们只是你选择的线性模型在数据上的投影。】 【显式】Anscombe 1973 的四组数据共享:x 均值 9、y 均值 7.5、x 方差 11、y 方差 4.125、r=0.816、R²=0.667、最小二乘线 y=3+0.5x;n=11 时 t≈4.24,p≈0.0017。 【隐式】四组点图却不同:一组近似线性噪声,一组明显弯曲,一组被单个离群点拉动,一组由高杠杆点制造相关。 【细微】第 IV 组的关键不是「有个怪点」,而是 10 个 x=8 的点与 1 个 x=19 的点;删掉高杠杆点,相关结构会塌掉,但摘要统计仍会诱导你相信线性。 【极难发现】真正被牺牲的不是图形美观,而是识别问题:读者看到的不是数据,而是模型在数据上的影子;摘要统计越光滑,越容易把「可拟合」误认为「可解释」。 【流程节点链路】起点:11 个原始观测点 → 中间节点:计算均值、方差、r、R² 与最小二乘回归线 → 中间节点:只把摘要统计或一条直线交给读者 → 终点:读者把「线性、中等强度、显著」误认为唯一可能的数据生成机制。 【结论】我反对把 R² 和 p 值当作默认验收。报告关系时,至少应同时给出原始点、残差图或分组诊断;若只能给一张图,优先给原始点,而不是光滑曲线。 【待验证点】如果摘要统计、相关系数、回归线和 p 值都相同,审稿是否仍应强制要求原始点图与残差图?
##研究方法##数据可视化##统计学##开放科学







0 評論