Jadi saya memutuskan untuk mendapatkan data negara dari situs web Sensus AS (), persentase senior (usia 65 tahun atau lebih tua) oleh negara dan kanker diagnosa per 1.000 orang. Saya bisa mendapatkan beberapa data terakhir, untuk 2011. Saya menganalisis data dengan WarpPLS (versi 4.0 telah baru saja merilis:), menghasilkan jenis koefisien yang biasanya akan dilaporkan oleh para peneliti yang ingin membuat efek terlihat sangat kuat.
Dalam hal ini, efeknya akan dasarnya penuaan populasi pada kejadian kanker (dinilai secara tidak langsung), dirangkum dalam grafik di bawah ini. Grafik yang dihasilkan oleh WarpPLS. Timbangan standar, dan begitu pula koefisien asosiasi dalam dua segmen ditampilkan. Seperti yang Anda lihat, koefisien kenaikan asosiasi seperti yang kita bergerak di sepanjang skala horisontal, karena ini adalah hubungan nonlinear.
Koefisien keseluruhan asosiasi, yang merupakan rata-rata tertimbang dari dua beta yang ditunjukkan, adalah 0,84. Probabilitas bahwa ini adalah positif palsu kurang dari 1 persen.
Sebuah koefisien beta 0,84 dasarnya berarti bahwa variasi 1 deviasi standar dalam persentase senior dalam keadaan dikaitkan dengan peningkatan 84 persen secara keseluruhan dalam diagnosis kanker , mengambil unit standar dari jumlah diagnosa kanker sebagai baseline . Ini terdengar sangat kuat dan biasanya akan disajikan sebagai pengaruh besar . Karena standar deviasi persentase senior di berbagai negara 1.67 , orang bisa mengatakan bahwa untuk setiap kenaikan 1,67 persentase senior dalam keadaan jumlah diagnosa kanker naik sebesar 84 persen .
Efek dinyatakan dalam persentase kadang-kadang dapat memberikan gambaran yang sangat menyesatkan . Sebagai contoh, mari kita perhatikan peningkatan kematian karena penyakit dari 1 sampai 2 kasus untuk setiap 1 juta orang . Ini pada dasarnya adalah peningkatan 100 persen ! Selain itu , semakin dekat baseline adalah dari nol , lebih mengesankan efeknya menjadi , karena persentase kenaikan dihitung dengan membagi selisih tersebut dengan jumlah awal . Karena jumlah awal mendekati nol , persentase kenaikan dari baseline mendekati tak terhingga .
Sekarang mari kita lihat pada grafik di bawah ini , juga dihasilkan oleh WarpPLS . Berikut timbangan unstandardized , yang berarti bahwa mereka mengacu pada langkah-langkah asli dalam skala asli masing-masing . ( Standardisasi membuat variabel berdimensi , yang kadang-kadang berguna ketika skala pengukuran asli tidak sebanding misalnya , dolar vs meter . ) Seperti yang dapat Anda lihat di sini , jumlah diagnosa kanker per 1.000 orang pergi dari rendah dari 3,74 di Utah dengan tinggi 6.64 di Maine .
Satu mungkin tergoda untuk menjelaskan peningkatan diagnosa kanker yang kita lihat pada grafik ini didasarkan pada berbagai faktor ( misalnya , gaya hidup ) , tetapi persentase senior dalam keadaan sepertinya prediktor yang sangat baik dan masuk akal . Anda mungkin mengatakan : Hal ini sangat menyedihkan .
Anda mungkin bahkan lebih depresi jika saya memberitahu Anda bahwa mengendalikan tingkat obesitas negara tidak mengubah gambar ini sama sekali . Tapi lihatlah apa angka-angka ini benar-benar berarti . Apa yang kita lihat di sini adalah peningkatan diagnosa kanker per 1.000 orang kurang dari 3 . Dengan kata lain, ada peningkatan menit kurang dari 3 diagnosa untuk setiap kelompok 1.000 orang dipertimbangkan. Ini tentu terasa mengerikan jika Anda adalah salah satu dari 3 didiagnosis , tetapi masih peningkatan menit . Juga mencatat bahwa salah satu timbangan , untuk diagnosis , mengacu pada kenaikan dari 1 di 1.000 , sementara yang lain , untuk senior , mengacu pada kenaikan dari 1 di 100 .
Hal ini menyebabkan efek yang menarik . Jika Anda berpindah dari Alaska ke Florida Anda akan melihat peningkatan yang signifikan dalam jumlah senior sekitar, seperti perbedaan dalam persentase senior antara dua negara ini adalah sekitar 10 . Namun, perbedaan jumlah diagnosis kanker tidak akan lebih dekat dengan perbedaan di hadapan senior . Situasi di atas sangat umum dalam penelitian medis . Efek yang secara fundamental kecil dinyatakan sedemikian rupa bahwa masyarakat umum memiliki kesan bahwa efeknya sangat besar . Seringkali alasannya adalah tidak untuk mempromosikan obat , tapi untuk menarik perhatian media untuk kelompok riset atau organisasi . Bila Anda melihat angka yang sebenarnya , besarnya efek yang sedemikian rupa sehingga akan diperhatikan dalam kehidupan nyata .
Dengan kehidupan nyata saya maksud : John , sejak kami pindah dari Alaska ke Maine Saya telah melihat lebih banyak orang usia saya didiagnosa menderita kanker . Efek dari urutan 3 di 1.000 akan biasanya tidak diperhatikan dalam kehidupan nyata oleh seseorang yang lingkaran langsung dari kenalan biasa termasuk kurang dari 333 orang ( sekitar 1.000 dibagi 3 ) . Namun berkat Facebook , hal-hal berubah menjadi adil , media berita tradisional ( khususnya televisi ) cenderung meningkatkan efek yang dirasakan lebih banyak dari media sosial , seringkali dalam cara yang sangat menegangkan .
Dapatkan Sample GRATIS Produk sponsor di bawah ini, KLIK dan lihat caranya