Neklesejme na mysli
Čísla mohou překvapivě pomoci s běžnými životními situacemi. Řeší pravděpodobnost.
Hierarchická lineární regrese se třemi prediktory! To sousloví zní skoro jako zaklínadlo, po kterém se krásná princezna promění v ošklivou ropuchu. Většina z nás bere statistiku jako nutné zlo, kterému se na míle vyhýbá. Co kdybychom si z ní ale pro změnu vzali poučení? V centru fungování statistických konceptů se totiž skrývají principy užitečné pro naše každodenní bytí. Nejspíš se nedozvíte zásadní moudro, které byste předtím neznali. Ale zjistíte, že naše intuice o světě jsou zakořeněny v přísně vědeckém světě čísel. A možná tak získáte do vašeho života další kousek naděje od spojence, kterého byste si ani ve snu nepředstavili – od statistiky.
Vědci si například všimli, že po extrémních výsledcích ať už v dobrém, nebo špatném směru přicházejí zpravidla hodnoty mírnější, bližší průměru.
- Firma, která zažila obrovský skok v zisku, pravděpodobně bude mít další rok menší výdělky.
- Středoškolák, který v prvním termínu přijímaček naprosto propadl, si při příštím termínu pravděpodobně o něco polepší.
Čím to? Abychom tuto otázku zodpověděli, přiznejme si nejprve, že úspěch či neúspěch v takových situacích bývá způsoben velkou řadou proměnných, které můžeme považovat v podstatě za náhodné. Jak se před testem vyspím, jaké dostanu otázky… Tyto faktory ovšem nejsou nahodilé, tedy zcela prosté zákonitostí, ale pouze náhodné.
Regrese k průměru
To znamená, že to je takové házení kostkou v reálném životě. A jaké číslo vám pravděpodobně padne poté, co jste hodili šestku? No nejspíš nižší. Podobně tytéž faktory, které v jednom roce vedly úspěchu, patrně později „hodí nižší číslo“ a v dalším roce již výsledky tak příznivé nebudou. My tomu říkáme regrese k průměru. A jak to použít v reálném životě?
Vzpomeňte si na regresi k průměru, až někdy prožijete příšerný den. Uvědomte si, že špatný den byl patrně způsoben celou řadou náhodných okolností, které se prostě sešly ve stejném okamžiku. Další den se s větší pravděpodobností bude již blížit běžnému prožívání.
Samozřejmě se to nedá aplikovat na všechny události. Z některých traumat se dostáváme jen velmi pozvolna. Někdy na sebe špatné události navazují. Ale když odhlédneme od podobných případů, až se příště budete cítit pod psa, protože se sešlo víc špatných náhod ve stejný den, můžete se uklidnit tím, že tatáž náhoda, která vám dnes podrazila nohy, bude zítra hrát pravděpodobně ve váš prospěch.
Stejně tak po zářných úspěších a skvělých dnech plných úžasných událostí se vyhnete zklamání z návratu do normálu, když si uvědomíte, že o krásném dnu můžeme přemýšlet také jako o výslednici mnoha náhodných faktorů. Dává smysl, že další den již tak růžový nebude. Tím si ušetříte roztrpčení, že věci dnes již nejdou tak lehce, jako šly včera.
A víte co? Do sportu se tahle znalost ještě příliš nerozšířila. U sportovních komentátorů se můžete setkat s termínem propad druhého ročníku, v originálu sophomore slump. Tento termín značí situaci, kdy sportovec po vynikající sezóně nezažívá již takové úspěchy. A komentátoři mohou sáhodlouze dumat nad tím, zda je to nervozitou z velkého očekávání, nebo dotyčný usnul na vavřínech.
Výběrová chyba
Dalším statistickým principem je výběrová chyba. Představte si, že zkoumáte souvislost mezi počtem hodin strávených studováním předvolebních programů a těžkými pocity beznaděje. Předpokládejme, že ve skutečnosti tyto věci spolu vůbec nesouvisí (čemuž popravdě tak docela nevěřím). To znamená, že mezi lidmi, kteří předvolební programy pečlivě studují, bychom nalezli jak ty, kteří jsou vcelku nadějeplní, tak jedince plné beznaděje. To samé platí pro skupinu lidí, kteří programy čtou málo.
Protože ale nemůžeme studovat každého člověka v České republice, vybereme si jen některé z nich do takzvaného vzorku, provedeme náhodný výběr. A protože tento výběr je skutečně náhodný, může se nám stát, ačkoliv to není příliš pravděpodobné, že si vybereme pouze lidi, kteří čtou předvolební programy a cítí beznaděj, a lidi, kteří programy nečtou a jsou veselí. Bude se tak zdát, vlivem náhody, že spolu obě věci souvisí, i když to není pravda. A jak tuto zákonitost použít v reálném životě?
Představte si, že hledáte partnera, novou práci nebo se pokoušíte o cokoliv jiného. Zažíváte samé neúspěchy. Každý váš pokus je z pohledu statistiky takovým vzorkem, který vznikl náhodným výběrem. I kdyby vám byl obecný trend v oblasti potenciálních zaměstnání nebo romantických partnerů nakloněn nepříznivě, pokud to nepřestanete zkoušet, v důsledku náhodného výběru zákonitě dříve či později práci dostanete a partnera najdete. Dostanete vzorek, kde se spojily dvě spolu zdánlivě nesouvisející věci. Vy a vaše práce. Vy a váš partner.
Což nás přivádí ke třetí skutečnosti. A totiž té, že obecný trend nepopisuje jednotlivé případy. I v případě, že by spolu čtení politických programů a beznaděj souvisely, neznamená to, že jeden konkrétní člověk, který před volbami pečlivě projde programy všech stran, bude poté muset vyhledat terapeuta. Znamená to pouze, že ve vzorku jsme nalezli určitou tendenci. Ta pro některé lidi platí více, pro jiné méně. Co z toho vyplývá pro nás?
Způsoby, které se osvědčily spoustě lidí před vámi, nemusejí být ty pravé pro vás. Rady, které se zdají být rozumné (včetně těchto), mohou fatálně selhat při aplikování na vaši jedinečnou osobnost a situaci.
Pokud například lidé říkají, že je zdravé se nejprve poznávat, než vstoupíte do vztahu, ale vy jste spolu začali chodit hned první den, co jste se poznali, není důvod být nervózní, že se zákonitě musí dít něco nepatřičného – to jen moudré rady a doporučení nedovedou pokrýt rozmanitost lidské zkušenosti.
Vysvětlený rozptyl
Svůj statistický exkurz zakončíme takzvaným vysvětleným rozptylem. V lineární regresi, kterou jsem vás strašil na začátku, vezmeme několik proměnných, kterým říkáme prediktory, například osobnostní vlastnosti, postavení rodičů, míru vřelosti vztahů s vrstevníky a podobně. Nalezneme vztahy mezi těmito proměnnými a další proměnnou, například výsledky ve škole. Jak dobře naše prediktory předpovídají naše školní výsledky, měříme pomocí vysvětleného rozptylu.
Ten, jak název napovídá, stanovuje, jaká míra rozdílů ve školních výsledcích se dá vysvětlit pomocí rozdílů v hodnotách prediktorů. No a teď přichází klíčové sdělení. Tato míra, nakolik jsme schopni predikovat naše výsledky školní, pracovní, vztahové či cokoliv jiného, bývá obvykle dost nízká. I když zařadíme velké množství prediktorů (což ve výzkumech z různých důvodů neděláme), prostor, ve kterém nevíme, proč se lidem daří, jak se jim daří, zůstává stále ještě poměrně dost velký.
Například v jedné studii se míra odpuštění nějakého provinění predikovala ze závažnosti tohoto provinění, pohlaví odpouštějícího a zármutku, který viník projevil. Vysvětlený rozptyl činil 41 %. Pozitivní poselství, které si z toho můžeme odnést, je to, že nejsme determinováni přesně daným setem prediktorů, které by určovaly, zda se nám bude dařit ve vztahu, v práci a ve škole. Zůstává tady velké pole působnosti pro naši svobodnou vůli… Anebo náhodu, kterou jsme v tomto článku blíže poznali.
Označ text a CTRL + Q pro-highlight. Nebo kus textu uvnitř highnutého pro dehigh..