Faux: définition, vue d'ensemble et exemples

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

C’est un concept important à comprendre dans les sciences sociales et dans toutes les sciences qui statistiques comme méthode de recherche parce que les études scientifiques sont souvent conçues pour tester s'il existe ou non une relation causale entre deux choses. Quand une teste une hypothèse, c'est généralement ce que l'on recherche. 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 qui mérite son sel aura toujours un œil critique lorsqu'il examinera ses résultats de recherche, sachant 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.

instagram viewer

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 un impact 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 les plus susceptibles d'avoir terminé leurs études collégiales (60% d'entre eux l'ont fait), tandis que le taux d'achèvement pour les blancs est de 40 pour cent. 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, on pourrait supposer que la race a un effet causal sur l'achèvement 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 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 y sont classés, combien travaillent leurs parents, et combien d'argent ils gagnent et économisent. Elle affecte également la façon dont les enseignants perçoivent leur intelligence et à quelle fréquence et avec quelle sévérité ils sont punis dans les écoles. À tous ces égards et dans 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.

instagram story viewer