Statistics 区分2种相关性-相关性与因果关系

Statistics 区分2种相关性-相关性与因果关系,statistics,correlation,cross-correlation,Statistics,Correlation,Cross Correlation,我在比较两种作物,我们称之为A作物和B作物。 我有大约1000个农场的植物生长数据(平均每家农场),我想把生长和作物类型联系起来 不幸的是,不同的农场也使用不同的肥料(肥料1…10),有些农场随着时间的推移改变了肥料的使用 因此,我想证明(具有统计意义)A型作物的生长超过B型作物的生长,但要确保这不是巧合,因为使用了肥料。你能给我指一下这方面的统计测试吗?或者我需要将数据分成几个小组(每个小组只包含一种肥料)并从每个小组中得出单独的结论吗 谢谢你的提示! 最美好的祝福 彼得 肥料类型是一个混杂变

我在比较两种作物,我们称之为A作物和B作物。 我有大约1000个农场的植物生长数据(平均每家农场),我想把生长和作物类型联系起来

不幸的是,不同的农场也使用不同的肥料(肥料1…10),有些农场随着时间的推移改变了肥料的使用

因此,我想证明(具有统计意义)A型作物的生长超过B型作物的生长,但要确保这不是巧合,因为使用了肥料。你能给我指一下这方面的统计测试吗?或者我需要将数据分成几个小组(每个小组只包含一种肥料)并从每个小组中得出单独的结论吗

谢谢你的提示! 最美好的祝福 彼得


肥料类型是一个混杂变量,您需要控制它,以减少其对统计测试的影响

假设所有作物类型都可能使用所有肥料类型,控制混淆变量的一个好方法是


抽样数据分为两组(作物A、作物B),按肥料类型进行分层,以减少其影响。

这是一个有趣的问题,但更适合stats.stackexchange.com。我的简短建议是,这里的大图是量化肥料类型的影响。一般的概念是看效应大小,而不是看零/非零显著性检验。如你所知,显著性检验必须导致你拒绝足够大样本量的零假设,如果差异实际上是非零的,就像在这种情况下(就像在许多其他情况下一样)。因此,显著性检验只能告诉你“你有一个大样本”/“你没有一个大样本”,这不是一个有用的结论。