1701778748
1701778749
尽管我们在讨论有关歧视的问题，但你不可能通过统计学的方法证明哪个组织或是社会中有歧视现象。你可能经常读到一些新闻，比如女性在特定领域中遇到“玻璃天花板”，一些学校有意限制男生或少数族裔的比例。这些都在暗示我们——不，就是直接控诉，有歧视现象存在。然而数字本身是无法解释整个故事的。我们不知道有多少女性和男性一样，有成为律师事务所合伙人或是公司高管的资质和渴望。我们有充分理由相信女孩和男孩在一些违反学校规定的行为上不会有相同的表现。
1701778750
1701778751
就在不久之前，人们还是经常会把研究生院和教员中女性比例低归咎于歧视。的确，是有歧视存在。我曾和负责招收女性进入研究生院和教师队伍中的人私下里聊过。“还是要这个男人吧；女人们太容易中途放弃学业了。”这种私密的聊天能够证明一些简单的数据（比如招收人员的男女比例）无法证明的事情。
1701778752
1701778753
然而，现如今，研究生院中60%的学生是女性，她们还是法学院、医学院以及人文学科、社会科学和生物科学专业的主要组成部分。在我任教的密歇根大学，有2/3的助理教授为女性（这和男性拿到终身教职的比例是相同的）。
1701778754
1701778755
那么这些统计数据能证明存在对男人的歧视吗？不能。而且我也可以向你保证那些私密的聊天不能支持这样的观点，至少在我的学校里不能。相反，我们经常面临的境况是，在有意识放松对于男性录取条件的情况下（或许我们会在潜意识下做这样的事），我们还是招收了更高比例的女性。
1701778756
1701778757
即便是有这样的研究生教育统计数据，一些人仍坚持声称在物理科学领域存在对女性的歧视。在我最近阅读的一本书中，作者就宣称女人被物理学“排除在外”。除了纯粹的统计数据之外，并没有其他证据，这样的断言可谓不公正。
1701778758
1701778759
然而，我们并不能依靠在会议室外监听来证明存在歧视。实验可以帮助我们。汽车推销员会向女性和少数族裔给出比白人男性更高的汽车价格吗？分别向一个白人男性，一位女性和一个少数族裔的成员推销一辆家用汽车，然后看看他们分别会听到什么价位。研究表明白人男性确实被告知了最低的价格。
1701778760
1701778761
外表好看的人会在生活中交到更多好运吗？许多研究都证明事实如此。在一份犯罪记录文档上贴上一张事主的照片，然后让本科生来“审定”应该给予什么样的处罚。如果那个犯错的孩子好看，人们就会认为他将来会成为一个好公民，并建议给他相对较轻的处罚。如果那个孩子长相丑，那么人们会建议给予重罚。
1701778762
1701778763
“生活是不公平的。”约翰·肯尼迪如是说。实验是一种最佳工具，它能够帮助我们分辨这个世界对不同人群的不公平程度究竟有多深。
1701778764
1701778765
小结
1701778766
1701778767
多元回归分析检验的是自变量和因变量之间的关系，当然在检验时会控制自变量和其他变量的关联，以及因变量和其他变量的关联。这种方法能告诉我们因果关系的情况，前提是所有可能的变量都被辨识且测量了，在信度和效度上都达到标准。实际上，这样的情况很难碰到。
1701778768
1701778769
多元回归分析中存在的根本缺陷在于自我选择，这在其他所有相关性研究方法中都存在。研究者不能为每一个主体（或样本）选择自变量值。这意味着有许多和自变量相关的变量都会牵涉其中。在大多数情况下，我们不能辨别出所有这些变量。在行为学研究中，可以确定的是，我们完全不能保证分辨出所有看似合理的相关变量。
1701778770
1701778771
尽管存在上述问题，多元回归分析其实还是有不少用途的。有时候，想要控制自变量是不可能的。你不能改变一个人的年龄。即便是我们做了实验，多元回归分析也能让我们对自然状态中存在的被实验证明了的关联有更强的信心。多元回归分析一般要比实验花费更低，它可以帮我们辨识出一些关联，然后我们可以通过实验去证实。
1701778772
1701778773
当一个完备的实验告诉你某些事物间的特定关联，而多元回归分析却告诉你了另一种结果时，你应该选择相信实验结果。当然了，糟糕的实验能告诉你的不比多元回归分析多，但这不常发生。
1701778774
1701778775
多元回归分析存在的另一个基本问题是，它总是假定自变量是建成大厦的砖石，而且在逻辑上认为每个变量都可以独立拿出来解释结果。然而事实并非如此，至少对于行为学研究的数据而言就不是这样。自尊和抑郁是内在相互联系的。认为其中一个变量会独立地对因变量产生影响是完全武断的。
1701778776
1701778777
就像相关性不能证明因果关系一样，没有相关性也不能证明就不存在因果联系。当使用多元回归分析方法时，可能会出现假阴性结果，就像出现假阳性结果一样，这是因为我们没能分辨出隐藏的因果关系网。
1701778778
1701778779
[1]“回归”这个术语在这里略显令人困惑，因为在检验一组自变量与因变量之间的关系时，“向均值回归”的概念似乎是完全不适用的。针对不同的目的而使用同一词语是因为卡尔·皮尔逊率先用这种方法检验一些变量的相关自变量之间的关系（有一种检验相关性的工具就是以发明者皮尔逊命名的）。父亲身高和儿子身高的相关性常常会呈现出一种向均值回归的状态。通常高个的父亲可能会有较矮的儿子，个矮的父亲反而通常会有较高的儿子。一种相关性是有关两个变量关系的一种简单的回归分析。多元回归分析是检验一组变量中的每两个变量之间的关系。
1701778780
1701778781
1701778782
1701778783
1701778785
逻辑思维：拥有智慧思考的工具 第12章 放弃提问，做个实验
1701778786
1701778787
在你的一生当中，你会在报纸、杂志和商业报告中读到多少有关人的信仰、价值观和行为的调查问卷和研究成果呢？自然会有成千上万。很有可能，你自己也会设计一些这样的调查来获取信息，这对于你的事业、学业或是志愿工作十分重要。
1701778788
1701778789
我们中的大多数人都没有学会以批判性的眼光去看待那些调查结果。“嗯，亲爱的，我在《泰晤士报》上看到一篇报道，有56%的美国人支持提高税收，以修建更多的国家公园。”同样，在我们自己设计调查问题时也会得到类似的回答。
1701778790
1701778791
到目前为止，我讨论过的所有方法都几乎可用于任何事物——动物、蔬菜或是矿物。我们可以对老鼠做“A或B”测试，可以借助自然实验研究影响玉米地状况的因素，可以用多元回归分析研究影响水的纯度的因素。现在，我们要看一些在测量有关人类的变量时遇到的方法上的困难。不同于老鼠、玉米和水，人可以通过语言（口头或书面的）告知研究者他们的态度、情感、需要、目标和行为。人们还能告诉你，什么因素可以影响这些变量。在这一章中，你将会看到，这样的报告是怎样误导研究者的。而在本书的第一部分中你们已经了解到分析影响人类行为的因素时的限制，因此本章内容并不会让你惊讶。这一章会表明大量的行为测量方式如何为你提供有关人类性格和状态的可靠信息，对这些行为的测量要比人们的报告本身有说服力得多。
1701778792
1701778793
你还能得到一些进行实验的建议，这样可以让你在研究哪些因素会影响人的态度、行为、生理和情感健康时更有把握。对于你自身的相关性证据，像其他类型的相关性证据一样，有时也会产生误导作用。在研究你自己时，用实验的方法可以让结果准确、有说服力。
1701778794
1701778795
微妙变化的态度
1701778796
1701778797
下面这些例子可能会让你在相信自我报告的答案前停下来多想一下，会帮助你思考如何以最佳方式获得有关人类态度和信仰的有效信息。这些例子也可能会让你，在面对人们解释其判断和行为的原因时，多一些批判性的考量。
[
上一页 ]
[ :1.701778748e+09 ]
[
下一页 ]