La varianza spiegata: quando la significatività statistica non basta!

Uno degli obiettivi della nostra ricerca è quello di trovare una certa significatività statistica: i nostri dati confermano la nostra ipotesi?! A volte però questa felice notizia non basta e dobbiamo appellarci ad altro: la varianza spiegata!

Facciamo un esempio. Abbiamo avuto un’idea geniale e formuliamo un modello che possa spiegare il fenomeno che stiamo studiando: 4 variabili che spiegano il bullismo! Raccogliamo i dati, li elaboriamo, facciamo “girare” una regressione e otteniamo una significatività statistica, cioè il modello funziona e spiega il fenomeno del bullismo.

E allora cosa ci serve di più? Non è sufficiente sapere che quelle variabili incidono sul bullismo, ma dobbiamo accertarci quanto effettivamente spiegano del fenomeno. Questa è la varianza spiegata, un indicatore che in forma di proporzione, indica quanta variabilità dei nostri dati è spiegata dal modello in questione. Un modello che spiega lo 0.98 così come un modello che spiega il 0.5 ha la stessa significatività, ma differente “portata”.

Questa precisazione è tutt’altro che banale. Pensiamo alla pubblicità, prodotti venduti al supermercato che promettono risultati e miglioramenti degni di una medicina e che risultano efficaci dai test. In genere c’è scritto a righe piccolissime che questo risultati si ottengono associando particolari stili di vita, ma allora perchè permettono di dire che ha degli effetti concreti. Perchè magari la sostanza ha un apporto al benessere generale all’interno di questo pacchetto, ma di quanto è? Questo potrebbe essere un momento in cui ti rendi conto che la significatività statistica non basta!

Diventa accorto, non ti accontentare di un modello che funziona, ma scegli il modello migliore, quello che spiega di più la variabilità dei tuoi dati!

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *