Ce que cela signifie lorsqu'une variable est fausse

Faux est un terme utilisé pour décrire une relation statistique entre deux variables qui, à première vue, semble être causalement liée, mais à y regarder de plus près, elles n'apparaissent que par coïncidence ou en raison du rôle d'une troisième variable intermédiaire. Lorsque cela se produit, les deux variables d'origine auraient une «fausse relation».

Il s'agit d'un concept important à comprendre dans les sciences sociales et dans toutes les sciences qui s'appuient sur les statistiques comme méthode de recherche, car les études scientifiques sont souvent conçues pour tester s'il existe ou non une relation de cause à effet entre deux choses. Quand on teste une hypothèse, c'est généralement ce que l'on cherche. Par conséquent, afin d'interpréter avec précision les résultats d'une étude statistique, il faut comprendre le caractère fallacieux et pouvoir le repérer dans ses résultats..

Comment repérer une fausse relation

Le meilleur outil pour repérer une fausse relation dans les résultats de la recherche est le bon sens. Si vous travaillez avec l'hypothèse que le fait que deux choses puissent coexister ne signifie pas qu'elles sont liées de manière causale, alors vous êtes bien parti. Tout chercheur digne de ce nom aura toujours un œil critique lorsqu'il examinera ses résultats de recherche, sachant que le fait de ne pas tenir compte de toutes les variables éventuellement pertinentes au cours d'une étude peut avoir un impact sur les résultats. Ergo, un chercheur ou un lecteur critique doit examiner de manière critique les méthodes de recherche utilisées dans toute étude pour vraiment comprendre ce que signifient les résultats.

La meilleure façon d'éliminer la falsification dans une étude de recherche est de la contrôler, au sens statistique, dès le départ. Cela implique de tenir soigneusement compte de toutes les variables susceptibles d'avoir une incidence sur les résultats et de les inclure dans votre modèle statistique pour contrôler leur impact sur la variable dépendante..

Exemple de relations parasites entre variables

De nombreux spécialistes des sciences sociales ont concentré leur attention sur l'identification des variables qui influent sur la variable dépendante du niveau de scolarité. En d'autres termes, ils sont intéressés à étudier les facteurs qui influencent la scolarité et les diplômes qu'une personne obtiendra au cours de sa vie.

Lorsque vous regardez les tendances historiques du niveau de scolarité mesurées par la race, vous voyez que les Américains d'origine asiatique âgés de 25 à 29 ans sont plus susceptibles d'avoir terminé leurs études collégiales (60% d'entre eux l'ont fait), tandis que le taux d'achèvement pour les blancs, c'est 40%. Pour les Noirs, le taux d'achèvement des études collégiales est beaucoup plus faible - seulement 23%, tandis que la population hispanique a un taux de seulement 15%.

En examinant ces deux variables - le niveau de scolarité et la race - on pourrait supposer que la race a un effet causal sur la fin des études collégiales. Mais, ceci est un exemple d'une relation fallacieuse. Ce n'est pas la race elle-même qui influe sur le niveau de scolarité, mais le racisme, qui est la troisième variable «cachée» qui sert de médiateur à la relation entre ces deux.

Le racisme a un impact si profond et divers sur la vie des personnes de couleur, façonnant tout d'où ils vivent, dans quelles écoles ils vont et comment ils sont classés en eux, combien leurs parents travaillent et combien d'argent ils gagnent et économisent. Elle affecte également la façon dont les enseignants perçoivent leur intelligence et la fréquence et la sévérité de leur punition dans les écoles. De toutes ces manières et de bien d'autres, le racisme est une variable causale qui influe sur le niveau de scolarité, mais la race, dans cette équation statistique, est une fausse.

Mis à jour par Nicki Lisa Cole, Ph.D.