论文写作错误的相关和因果关系
这可能是解释统计结果时最古老的常见错误（例如，参见Schellenberg，2019）。在科学中，相关性通常用于探索两个变量之间的关系。当发现两个变量之间存在显着相关性时，很容易认为一个变量是另一个变量变化的原因。但是，这是不正确的。因为两个变量的协变并不一定意味着它们之间必然存在因果关系，即使存在这种可能性也是如此。论文查重技巧分享。
例如，不同国家的年度巧克力消费量与诺贝尔奖获得者人数之间的显着相关性（r（df = 20）= .79; p <0.001），曾经使我们（错误地）认为巧克力消费量是一个希望贝尔奖得主的出生提供了营养基础。仅相关不能用作因果关系的证据。相关性的存在可能反映了正或负的因果关系，但也可能是由（未知）常见原因引起的，或者可能只是巧合。
如何发现错误
只要研究人员报告的两个或多个变量之间的关系不是由操纵引起的，而是进行因果推断，就有可能混淆相关性和因果关系。研究人员仅应在准确地操纵变量时做出因果推断。即使这样，也要注意无关变量的影响。论文怎么免费查重，如何找到一个免费论文查重网站入口？在初稿期间选择高性价比的免费论文检测系统，如论文狗论文查重免费网站在线查重是一个不错的选择
解决错误的方法
如果可能，研究人员应尝试通过测试竞争模型来测试这两个变量与第三个变量之间的关系，以进一步支持其解释，例如，使用结构方程模型或中介分析（假设具有足够的统计测试能力）或在随机对照实验中直接操纵目标变量。否则，如果证据仅证明相关，则应避免因果关系。