Цитаты из книг автора «Чарльз Уилан»

должны быть все основания полагать, что наши объясняющие переменные влияют на зависимую переменную

причинно-следственные связи могут действовать в обоих направлениях

Обратная причинно-следственная зависимость

Использование регресии для анализа нелинейной связи

Корреляция и причинно-следственные зависимости — не одно и то же

Не пользоваться, когда между анализируемыми переменными существуют нелинейные зависимости

семь самых типичных злоупотреблений этим замечательным инструментом

Когда t-статистика достаточно велика, то есть наблюдаемый коэффициент далек от того, что предсказывает нулевая гипотеза, мы можем отвергнуть нулевую гипотезу на некотором уровне статистической значимости. Опять-таки это тот же самый базовый процесс статистического вывода, с которым мы неоднократно сталкивались в этой книге

t-распределение сходится к нормальному распределению. Именно поэтому при работе с большими совокупностями данных вы можете использовать для соответствующих вычислений нормальное распределение

t-распределение представляет собой некую совокупность, или «семейство», функций плотности вероятности, которые варьируются в зависимости от величины выборки. В частности, чем больше данных содержится в выборке, тем больше «степеней свободы»[64] у нас имеется при определении подходящего распределения, которое служит нам эталоном для оценки результатов