Câu trả lời:
Một bài báo của Abelson (1985) có tiêu đề "Một nghịch lý giải thích phương sai: Khi một chút là rất nhiều" , được xuất bản trong Bản tin tâm lý , giải quyết (một phần) vấn đề này. Cụ thể, Abelson cho thấy tỷ lệ phương sai được chia sẻ giữa một biến nhị phân và biến liên tục có thể nhỏ một cách đáng ngạc nhiên, ngay cả khi trực giác sẽ ra lệnh cho rất lớn (anh ta sử dụng ví dụ về việc một người đánh bóng chày có đánh bóng hay không , như là một hàm của mức trung bình của người đánh bóng - mang lại một con số khổng lồ ).R 2 < .001
Abelson tiếp tục giải thích rằng ngay cả một nhỏ bé như vậy cũng có thể có ý nghĩa, miễn là hiệu ứng được điều tra có thể khiến bản thân cảm thấy theo thời gian.
Tái bút: Tôi đã sử dụng bài viết này một vài tháng trước để trả lời một nhà phê bình không ấn tượng với của chúng tôi và nó đã đạt được mục đích - bài báo của chúng tôi hiện đang được đăng tải :)
Một cuộc tranh luận vẫy tay mà vẫn có nhiều lực tác động ngược. Điều gì sẽ dự đoán hoàn hảo ngụ ý? Ví dụ, điều đó có nghĩa là chúng ta có thể dự đoán chính xác thành tích của học sinh bằng cách chỉ biết tuổi tác, giới tính, chủng tộc, lớp học, v.v. Tuy nhiên, chúng ta biết điều đó là vô lý; nó mâu thuẫn với nhiều thứ khác về những gì chúng ta biết trong khoa học xã hội, không nói về cuộc sống hàng ngày. Hơn nữa, mặc dù đây là một vấn đề khác: nhiều người trong chúng ta sẽ không muốn sống trong một thế giới như vậy.
Miền mà điều quan trọng nhất là khi bạn muốn dự đoán : nếu bạn muốn dự đoán kết quả của mình, điều cần thiết là mô hình của bạn giải thích gần như tất cả những gì đang xảy ra nếu dữ liệu.
Tôi không có tài liệu tham khảo chính xác, nhưng bất kỳ sách giáo khoa kinh tế lượng giới thiệu nào cũng sẽ có một chương hoặc phần về nó (ví dụ như chủ yếu là kinh tế lượng vô hại hoặc Kinh tế lượng giới thiệu của Wooldridge : Phương pháp tiếp cận hiện đại ).
Quan điểm của Abelson có thể được tóm tắt: Những gì không thể thực hiện được có thể xảy ra trong trường hợp có đủ nhiều lần lặp lại.
Sự tiến hóa được xây dựng dựa trên nguyên tắc này: Không thể có đột biến sẽ là một lợi thế cho người đột biến. Nhưng, trong trường hợp có đủ nhiều đột biến, có khả năng một số ít là lợi thế. Bằng phương pháp lựa chọn và con cháu, sau đó không thể trở thành có thể xảy ra trong dân số.
Trong cả hai trường hợp, có một cơ chế lựa chọn làm cho thành công quyết định và thất bại không phải là thảm họa (ít nhất là đối với loài này).
Cuốn sách về chơi game của Jesper Juul, "Nghệ thuật thất bại", thêm một khía cạnh khác vào những cân nhắc của Abelson. Quan điểm của Juul là không hấp dẫn khi chơi các trò chơi mà bạn không bao giờ thả lỏng. Trên thực tế, phải có sự cân bằng giữa các kỹ năng và tần suất thất bại / thành công, trước khi nó trở nên tích cực để chơi và cải thiện hiệu suất của bạn.
Chơi game và đào tạo đảm bảo rằng thất bại không phải là thảm họa, và sau đó cơ chế lựa chọn có hiệu quả và giá trị R2 thấp không có vấn đề gì, thậm chí chúng có thể được ưa thích hơn. Ngược lại, khi thất bại là một thảm họa, giá trị R2 cao là rất quan trọng.
Tổng quát hơn, các giá trị R2 rất quan trọng trong đó sự kiện là một thay đổi trò chơi. Hơn nữa, các sự kiện gamechanging thường không thể được giảm xuống thành một sự nhị nguyên, thất bại / thành công: Các kết quả có thể là nhiều và có nhiều hiệu ứng. Trong trường hợp đó, kết quả có lịch sử / tiểu sử.
Trong trường hợp, các sự kiện là lịch sử và chưa từng xảy ra trước đây, về cơ bản không thể ước tính R2, mặc dù một số mô tả phân tích có thể làm giảm tính ngẫu nhiên vì lịch sử ở một mức độ nào đó có thể giống với chính nó. Nói tóm lại, bạn có thể trải nghiệm sự kết hợp của các sự kiện R2 và trò chơi nhỏ. ... Vâng, đó là cuộc sống, đôi khi ;-)