Koefisien asosiasi untuk efek lintang pada tingkat kanker ( koefisien jalur ) ternyata menjadi 0,35 . Nilai P yang lebih rendah dari 0,001 , yang berarti bahwa probabilitas bahwa ini adalah positif palsu kurang dari sepersepuluh persen , atau bahwa kita dapat menjadi 99,9 persen yakin bahwa ini bukan positif palsu .
Ini dihitung pengendalian untuk : ( a) proporsi senior dalam populasi ( umur penduduk ) , ( b ) proporsi penderita obesitas dalam populasi ( tingkat obesitas ) , dan ( c ) efek moderasi mungkin lintang pada efek umur penduduk pada tingkat kanker . Grafik di bawah ini menunjukkan hubungan multivariat yang disesuaikan ini.
Apa yang keren tentang analisis multivariat adalah bahwa Anda dapat mengontrol untuk efek tertentu . Misalnya, karena kita mengendalikan proporsi senior dalam populasi ( umur penduduk ) , kenyataan bahwa kita memiliki negara dengan proporsi yang sangat rendah senior ( Alaska ) tidak memiringkan berpengaruh terhadap outlier bahwa sebanyak itu jika kami tidak dikontrol untuk proporsi senior . Ini adalah properti matematika yang sulit untuk memahami , tetapi yang membuat penyesuaian multivariat seperti teknik yang kuat .
Saya harus mencatat bahwa kepercayaan 99,9 persen yang disebutkan di atas mengacu pada koefisien asosiasi . Artinya, kami cukup yakin bahwa koefisien asosiasi tidak nol , yaitu itu . Nilai P tidak mendukung arah hipotesis kausalitas ( lintang - > kanker ) atau mengecualikan kemungkinan perancu utama yang menyebabkan efek.
Meskipun demikian , di antara fitur-fitur terbaru dari WarpPLS 4.0 ( masih versi beta ) beberapa koefisien penilaian kausalitas : tanda-tanda jalan - korelasi , kontribusi R - squared , rasio jalan - korelasi , perbedaan jalur - korelasi , Warp2 bivariat rasio arah kausal , Warp2 kausal bivariat perbedaan arah , Warp3 bivariat rasio arah kausal , dan perbedaan arah kausal bivariat Warp3 . Tanpa pergi ke banyak detail teknis , yang dapat Anda peroleh dari User Manual ( ) tanpa harus menginstal perangkat lunak , saya dapat memberitahu Anda bahwa semua koefisien penilaian kausalitas ini mendukung arah hipotesis kausalitas .
Juga, sementara kita tidak bisa mengecualikan kemungkinan perancu utama yang menyebabkan efek , kami termasuk dua kemungkinan pembaur dalam analisis dan dikendalikan untuk efek mereka . Mereka adalah proporsi senior dalam populasi ( umur penduduk ) dan proporsi penderita obesitas dalam populasi ( tingkat obesitas ) .
Setelah mengatakan semua hal di atas , saya juga harus mengatakan bahwa efeknya sama besarnya dengan pengaruh umur penduduk pada tingkat kanker , yang saya bahas di posting sebelumnya terkait di atas . Artinya, itu bukan jenis efek yang akan jelas terlihat dalam kehidupan normal orang .
Paparan sinar matahari ? Mungkin .
Kita tahu bahwa tubuh kita secara alami memproduksi sebanyak 10.000 IU vitamin D berdasarkan beberapa menit dari paparan sinar matahari ketika matahari tinggi ( ) . Mendapatkan banyak vitamin D dari sumber makanan sangat sulit , bahkan setelah fortifikasi .
Dapatkan Sample GRATIS Produk sponsor di bawah ini, KLIK dan lihat caranya