Membandingkan Kelompok Kategorikal
Diperkenalkan| English | Makna |
|---|---|
| conditional distributions/kənˈdɪʃənl ˌdɪstrɪˈbjuːʃnz/ | distribusi bersyarat |
| independent/ˌɪndɪˈpendənt/ | independen |
| causation/kɔːˈseɪʃn/ | sebab-akibat |
| confounding variable/kənˈfaʊndɪŋ ˈveərɪəbl/ | variabel pengganggu |
Membandingkan kelompok secara adil
- Untuk melihat apakah dua variabel kategorikal saling terkait, bandingkan distribusi bersyarat melintasi kelompok.
- Distribusi bersyarat adalah kumpulan proporsi untuk satu variabel di dalam satu kelompok tunggal.
- "Bagaimana tampilan rincian mata pelajaran untuk perempuan vs untuk laki-laki?"
- Menggunakan proporsi (bukan jumlah mentah) membuat perbandingan adil ketika ukuran kelompok berbeda.
Asosiasi vs. independensi
- Jika distribusi bersyarat sama melintasi kelompok, variabel-variabel tersebut tampak independen.
- Jika mereka berbeda, variabel-variabel menunjukkan asosiasi — mengetahui satu hal memberi tahu Anda sesuatu tentang yang lain.
- Semakin besar perbedaan antar kelompok, semakin kuat asosiasinya.
- "Proporsi yang sama di mana-mana" adalah gambaran tidak adanya hubungan.
Perbedaan dalam proporsi
- Kuantifikasi asosiasi dengan perbedaan proporsi: misal. $60\%$ perempuan vs $40\%$ laki-laki memilih sains.
- Jarak $20$-poin persentase itu adalah bukti hubungan, dinyatakan dalam konteksnya.
- Selalu laporkan kelompok mana yang lebih tinggi dan seberapa banyak.
- Perbedaan kecil mungkin hanya merupakan noise sampling; perbedaan besar menandakan asosiasi nyata.
Asosiasi tetap bukan sebab-akibat
- Bahkan asosiasi yang kuat antara dua variabel kategorikal tidak membuktikan sebab-akibat.
- Variabel pembingkaian tersembunyi bisa mendorong keduanya.
- Data observasional dapat mengungkap asosiasi tetapi jarang menetapkan sebab.
- Hanya eksperimen yang dirancang dengan baik (Unit 3) yang dapat mendukung klaim kausalitas.
Untuk menilai asosiasi, selalu bandingkan proporsi bersyarat, jangan jumlah mentah — kelompok dengan lebih banyak orang akan memiliki jumlah yang lebih besar di mana saja bahkan tanpa hubungan. Dan "$60\%$ vs $40\%$" adalah asosiasi, bukan bukti bahwa menjadi perempuan menyebabkan memilih sains: sebuah variabel pembingkaian dapat menjelaskan kesenjangan tersebut.
Apakah kebiasaan berolahraga berkaitan dengan tidur nyenyak? Hasil survei:
- Di antara yang berolahraga: $70\%$ tidur nyenyak. Di antara yang tidak berolahraga: $45\%$ tidur nyenyak.
- Distribusi bersyarat berbeda ($70\%$ vs $45\%$) → ada asosiasi.
- Tapi mungkin orang sehat baik berolahraga dan tidur nyenyak — sebuah faktor pengganggu. Tidak ada sebab-akibat yang dibuktikan.
Bandingkan distribusi bersyarat melintasi kelompok: jika mereka sama, variabel-variabel tersebut tampak independen; jika mereka berbeda, ada asosiasi, diukur oleh perbedaan proporsi (dinyatakan dalam konteks). Asosiasi tetap tidak membuktikan sebab-akibat — sebuah variabel pembingkaian mungkin berperan.
Distribusi kondisional satu kelompok
Dalam satu kelompok, irisan-irisannya adalah distribusi kondisionalnya.
Dua variabel kategorikal tampak independen ketika distribusi kondisional mereka...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Distribusi kondisional yang sama → tidak ada asosiasi → independensi.
70% orang yang berolahraga vs 45% yang tidak berolahraga tidur nyenyak. Berapakah perbedaan proporsinya, dalam poin persentase?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
70 − 45 = 25 poin persentase.
Anda harus membandingkan jumlah mentah, bukan proporsi, untuk menilai asosiasi antar variabel kategorikal.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Bandingkan proporsi bersyarat — perbandingan jumlah mentah tidak adil ketika ukuran kelompok berbeda.
Variabel tersembunyi yang dapat memicu kedua variabel dan menjelaskan sebuah asosiasi adalah variabel ___.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Variabel pengganggu menawarkan penjelasan alternatif.
Pernyataan mana tentang asosiasi vs. sebab-akibat yang benar?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Bahkan asosiasi yang kuat pun tidak pernah secara sendiri membuktikan sebab-akibat.