RELAZIONI BIVARIATE
L’ultimo punto che indica cosa possiamo fare con i dati è: creare delle relazioni tra coppie di
variabili.
L’ANALISI BIVARIATA
Le abbiamo già viste nelle analisi precedenti. Ci permette di fare delle ipotesi per capire quale può
essere la direzione nella relazione tra variabili ed è un’operazione che sta solo nella nostra testa
perché se io cerco di mettere in relazione un modello causale in cui dico che il reddito determina il
sesso, se io trovo una relazione che funziona, funziona in tutti e due i sensi dal punto di vista
matematico, nella realtà no. Spesso siamo quindi interessati a capire la relazione che lega due
variabili, la sua direzione e la sua forza.
Una relazione può essere
- SIMMETRICA: indica che le due variabili sono in relazione fra loro, ma non specifica una
direzione o una causalità della relazione.
- ASIMMETRICA: indica una relazione di causalità tra le variabili. Nel grafico A influenza
B.
Se chiedo che più guadagno, più invecchio ti dice di si. Secondo un modello del genere, la
responsabilità di stabilire i modelli causali è nostra. La direzione di una relazione è qualcosa che ha
senso commentare e ipotizzare ma che non ci potrà confermare in maniera definitiva la relazione
matematica. La causalità non può essere provata numericamente.
- COVARIAZIONE: Ci deve essere una covariazione per dire che c’è una rel di causa effetto.
Al variare dell’uno varia anche l’altro.
- ORDINE TEMPORALE: Se una variabile viene prima e una dopo quella che viene dopo
difficilmente quella può essere la causa della prima.
- GENUINITA’ D’ASSOCIAZIONE: Relazione spuria: è una relazione in cui io vedo una rel
fra due variabili ma la rel è dovuta da un’altra variabile che sta dietro e che le influenza
entrambe. Es. del paradosso delle cicogne: nei posti dove nidificano le cicogne nascono più
bambini quindi le portano loro. Le cicogne nidificano in posti rurali dove ci sono stili di vita
