Bằng chứng cho sự nóng lên toàn cầu do con người tạo ra 'tiêu chuẩn vàng': họ đã làm điều này như thế nào?


35

Thông báo này trong bài viết của Reuter từ ngày 25.02.2019 hiện đang xuất hiện trên tất cả các tin tức:

Bằng chứng cho sự nóng lên toàn cầu do con người tạo ra 'tiêu chuẩn vàng'

[Các nhà khoa học] cho biết sự tin tưởng rằng các hoạt động của con người đang tăng nhiệt ở bề mặt Trái đất đã đạt đến mức năm-sigma, một thước đo thống kê có nghĩa là chỉ có một cơ hội một triệu trong số đó là tín hiệu sẽ xuất hiện nếu có không nóng lên.

Tôi tin rằng điều này đề cập đến bài viết này "Kỷ niệm ba năm sự kiện quan trọng trong khoa học biến đổi khí hậu" có chứa một cốt truyện, được trình bày dưới đây (Đây là một bản phác thảo vì tôi không thể tìm thấy hình ảnh nguồn mở cho một bản gốc, tương tự hình ảnh miễn phí được tìm thấy ở đây ). Một bài viết khác từ cùng một nhóm nghiên cứu, dường như là một nguồn gốc hơn, ở đây (nhưng nó sử dụng mức ý nghĩa 1% thay vì ).5σ


Cốt truyện trình bày các phép đo từ ba nhóm nghiên cứu khác nhau: Hệ thống viễn thám, Trung tâm nghiên cứu và ứng dụng vệ tinh và Đại học Alabama tại Huntsville.

Biểu đồ hiển thị ba đường cong tín hiệu / tỷ lệ nhiễu tăng lên như là một hàm của độ dài xu hướng.

tín hiệu nhân tạo

Vì vậy, bằng cách nào đó các nhà khoa học đã đo được tín hiệu nhân tạo của sự nóng lên toàn cầu (hay biến đổi khí hậu?) Ở mức , đây rõ ràng là một tiêu chuẩn khoa học của bằng chứng .5σ

Đối với tôi biểu đồ như vậy, có mức độ trừu tượng cao, đặt ra nhiều câu hỏi , và nói chung tôi tự hỏi về câu hỏi 'Làm thế nào mà họ làm điều này?' . Làm thế nào để chúng tôi giải thích thí nghiệm này thành những từ đơn giản (nhưng không quá trừu tượng) và cũng giải thích ý nghĩa của cấp độ ? 5σ5σ

Tôi hỏi câu hỏi này ở đây vì tôi không muốn một cuộc thảo luận về khí hậu. Thay vào đó, tôi muốn có câu trả lời liên quan đến nội dung thống kê và đặc biệt là làm rõ ý nghĩa của tuyên bố đó đang sử dụng / yêu cầu .5σ


Giả thuyết null là gì? Làm thế nào mà họ thiết lập thí nghiệm để có được tín hiệu nhân tạo ? Kích thước hiệu ứng của tín hiệu là gì? Có phải nó chỉ là một tín hiệu nhỏ và chúng ta chỉ đo điều này ngay bây giờ vì nhiễu đang giảm hoặc tín hiệu tăng? Những giả định nào được đưa ra để tạo ra mô hình thống kê mà theo đó chúng xác định việc vượt qua ngưỡng 5 sigma (tính độc lập, hiệu ứng ngẫu nhiên, v.v ...)? Tại sao ba đường cong cho các nhóm nghiên cứu khác nhau lại khác nhau, chúng có nhiễu khác nhau hay chúng có tín hiệu khác nhau, và trong trường hợp sau, điều đó có nghĩa gì đối với việc giải thích xác suất và hiệu lực bên ngoài?


2
@MattF. Tôi kỳ vọng là sẽ có thể đưa ra một giải thích đơn giản giải thích khái niệm thống kê về ngưỡng đã được sử dụng ở đây (ít nhất là các nhà vật lý hạt năng lượng cao, người cũng sử dụng các sai lệch / hiệu ứng để mô tả tín hiệu để tỷ lệ tiếng ồn trong số lượng các sự kiện, không có vấn đề với điều này). Với đơn giản, tôi có nghĩa là một cái gì đó thoát khỏi thuật ngữ khí hậu, nhưng đủ tinh vi để chứa đựng bản chất. Nói, nó sẽ là một cái gì đó được viết cho các nhà thống kê và nhà toán học chuyên nghiệp để họ có thể hiểu ở đây. σ 5 σ5σσ5σ
Sextus Empiricus

1
Để nhấn mạnh sự tương phản với vật lý năng lượng cao: đối với các nhà thống kê lĩnh vực này có thể hiểu rằng mức về cơ bản là vô nghĩa và thanh được đặt cao vì tính toán sai về mặt kỹ thuật (1. nhìn ở nơi khác có hiệu lực 2. giả định sai về lỗi phân phối bỏ qua các hiệu ứng hệ thống 3. ngầm thực hiện phân tích Bayes, 'yêu cầu đặc biệt đòi hỏi bằng chứng phi thường'). 5σ
Sextus Empiricus

1
Câu hỏi đặt ra là ba hiệu ứng này có mặt bao nhiêu trong trường hợp bài báo về sự nóng lên toàn cầu do con người tạo ra này. Tôi nghĩ điều quan trọng là phải làm rõ điều này, để làm sáng tỏ những tuyên bố nghiêm khắc. Nó là rất phổ biến để chỉ ném một số số vào một cuộc tranh luận để làm cho nó nghe có vẻ nghiêm ngặt, và hầu hết mọi người ngừng đặt câu hỏi về nó.
Sextus Empiricus

2
Bạn đã xem bài phê bình này: judithcurry.com/2019/03/01/ trên ?
Robert Long

2
Thật trùng hợp, tôi đã đọc những bài báo này chỉ vài ngày trước, và bây giờ nhận thấy tiền thưởng mới của bạn. Tôi có thể viết một cái gì đó lên bây giờ.
amip nói phục hồi Monica

Câu trả lời:


15

Nó không phải luôn luôn là về kiểm tra thống kê. Nó cũng có thể là về lý thuyết thông tin.

Thuật ngữ 5σ là những gì nó nói: tỷ lệ "tín hiệu" với "nhiễu". Trong kiểm tra giả thuyết, chúng tôi có ước tính về một tham số phân phối và lỗi tiêu chuẩn của ước tính. Đầu tiên là "tín hiệu", thứ hai là "nhiễu" và tỷ lệ của các số liệu thống kê và lỗi tiêu chuẩn của nó là thống kê z, thống kê t, thống kê F, bạn đặt tên cho nó.

Tuy nhiên, tỷ lệ tín hiệu trên tạp âm rất hữu ích ở mọi nơi mà chúng ta nhận / nhận một số thông tin thông qua một số nhiễu. Như liên kết được trích dẫn giải thích

Tỷ lệ tín hiệu trên tạp âm (thường được viết tắt là SNR hoặc S / N) là một biện pháp được sử dụng trong khoa học và kỹ thuật để định lượng mức tín hiệu bị nhiễu do nhiễu.

Trong trường hợp của chúng tôi, "tín hiệu" là sự thay đổi thực tế được đo trong nhiệt độ của một số tầng khí quyển và "tiếng ồn" là những dự đoán về sự thay đổi từ các mô phỏng mà không có ảnh hưởng của con người đã biết. Điều đó xảy ra khi những mô phỏng này dự đoán nhiệt độ đứng yên ít nhiều với độ lệch chuẩn nhất định.

Bây giờ trở lại thống kê. Tất cả các thống kê kiểm tra (z, t, F) là tỷ lệ của ước tính với sai số chuẩn của nó. Vì vậy, khi chúng tôi thống kê nghe về một cái gì đó như S / N, chúng tôi nghĩ rằng một thống kê z và trang bị cho nó xác suất. Các nhà khí hậu học rõ ràng không làm điều này (không có đề cập đến xác suất ở bất cứ đâu trong bài viết ). Họ chỉ đơn giản phát hiện ra rằng sự thay đổi "lớn hơn khoảng ba đến tám" lần so với dự kiến, S / N là 3σ đến 8σ.

Những gì bài báo đang báo cáo là, họ đã thực hiện hai loại mô phỏng: những loại có ảnh hưởng nhân tạo đã biết có trong mô hình và các loại khác có ảnh hưởng nhân loại đã biết được loại trừ. Các mô phỏng đầu tiên tương tự như dữ liệu vệ tinh thực tế đo được, trong khi mô phỏng thứ hai đã tắt. Nếu điều này có thể xảy ra hay không, họ không nói và rõ ràng là không quan tâm.

Để trả lời các câu hỏi khác. Họ không đặt bất kỳ thí nghiệm nào, họ thực hiện mô phỏng theo mô hình của họ. Vì vậy, không có giả thuyết null rõ ràng ngoại trừ một giả thuyết rõ ràng, rằng sự thay đổi tương tự như dự kiến ​​(S / N là 1).

Kích thước hiệu ứng của tín hiệu là sự khác biệt giữa dữ liệu thực tế và mô phỏng. Đó là một tín hiệu lớn hơn 5 lần so với dự kiến ​​(năm lần so với sự thay đổi thông thường của nhiệt độ). Có vẻ như tiếng ồn đang giảm vì số lượng và có thể chính xác của các phép đo.

Trái với mong đợi của chúng tôi từ "các nhà khoa học thực sự", không có mô hình thống kê nào mà chúng tôi có thể nói đến, vì vậy câu hỏi về các giả định được đưa ra là bỏ trống. Giả định duy nhất là mô hình của họ cho phép họ dự đoán khí hậu. Điều này là hợp lệ khi nói rằng các mô hình được sử dụng cho dự báo thời tiết là vững chắc.

Có nhiều hơn ba đường cong. Họ là kết quả mô phỏng từ các mô hình khác nhau. Họ chỉ đơn giản là phải khác biệt. Và vâng, có tiếng ồn khác nhau. Tín hiệu, theo như nó là khác nhau, là các bộ đo khác nhau, có lỗi đo lường của chúng, và cũng nên khác nhau. Điều này có nghĩa là gì liên quan đến việc giải thích? Giải thích xác suất của S / N không phải là một cách tốt. Tuy nhiên, giá trị bên ngoài của những phát hiện là âm thanh. Họ chỉ đơn giản khẳng định rằng sự thay đổi khí hậu trong giai đoạn từ 1979 đến 2011 là tương đương với mô phỏng khi ảnh hưởng của con người đã biết được tính toán và lớn hơn khoảng năm lần so với những gì được tính toán bằng mô phỏng khi các yếu tố nhân tạo đã biết được loại trừ khỏi mô hình.

Vì vậy, có một câu hỏi còn lại. Nếu các nhà khí hậu học sẽ yêu cầu các nhà thống kê tạo ra một mô hình, thì nó phải là gì? Theo ý kiến ​​của tôi một cái gì đó trong dòng chuyển động Brownian.


Vì vậy, cái gì tạo nên "tín hiệu", bản chất của "nhiễu" là gì và chúng ta có thể gán cho quá trình không nhìn thấy gì?
Josh

1
Sory @Josh, tôi sớm nhấn nút gửi. Bây giờ bạn có thể đọc câu trả lời đầy đủ của tôi. Ít quặng hơn, "tín hiệu" là các phép đo thực tế và "nhiễu" là kết quả mô phỏng khi các yếu tố nhân tạo đã biết được loại trừ khỏi mô hình. Và theo ý kiến ​​của tôi thì điều này rất phi kinh tế ...
Nino Rode

1
Thứ hai, những gì tôi nhận được từ bài đăng của bạn là thống kê S / N được xác định bởi tín hiệu: sự khác biệt giữa hai mô hình lý thuyết (hiệu ứng con người so với đường cơ sở) và tiếng ồn: độ lệch trong các mô hình lý thuyết đó. Nhưng điều này có thể bị ảnh hưởng rất lớn bởi các hiệu ứng có hệ thống. Sự phân bố của các hiệu ứng ngẫu nhiên không được xác định rõ bằng cách đơn giản lấy trung bình trên phương sai trong mô phỏng monte carlo (xem hạt Vivianonium). Nếu có lỗi hệ thống, thì bạn có thể làm cho chênh lệch lớn như bạn muốn chỉ bằng cách thu thập thêm dữ liệu. nσ
Sextus Empiricus

3
@NinoRode Có thể tôi đang thiếu một cái gì đó, nhưng vì mô hình "nhiễu" không có ảnh hưởng của con người rõ ràng là sai do thực tế là nhiệt độ trung bình đã tăng dựa trên các phép đo thực nghiệm , làm thế nào mô hình đó cung cấp đường cơ sở có liên quan? Vì người ta hiểu rằng nhiệt độ dao động do các quá trình tự nhiên ( en.wikipedia.org/wiki/Little_Ice_Age ) ngoài các yếu tố nhân tạo, cơ sở cho giả định rằng mô hình "nhiễu" nên tăng nhiệt độ trung bình bằng 0 thời kỳ phân tích?
Josh

1
@Scott, vấn đề với phim hoạt hình thông minh là không có tiếng ồn thể hiện qua chuỗi thời gian vì các phép đo có thể không đủ tinh tế để xác định nhiệt độ trong một thế kỷ nhất định, chứ chưa nói đến một năm cụ thể. Vì vậy, nó trông trơn tru và dần dần cho đến khi sự ra đời của các thiết bị đo lường hiện đại. Trong cơ học chất lỏng, điều này sẽ giống như so sánh một quan sát tức thời của trường vận tốc với trường trung bình Reynold; nó không phải là một sự so sánh thích hợp Trừ khi bạn thực sự nghĩ rằng về cơ bản không có biến động về nhiệt độ toàn cầu cho đến khi Greta Thunberg được sinh ra. :)
Josh

11

Hãy cẩn thận: Tôi KHÔNG phải là một chuyên gia về khí hậu, đây không phải là lĩnh vực của tôi. Hãy ghi nhớ điều này. Sửa chữa chào mừng.


Con số mà bạn đang đề cập đến xuất phát từ một bài báo gần đây Santer et al. Năm 2019, Kỷ niệm ba sự kiện quan trọng trong khoa học biến đổi khí hậu từ Biến đổi khí hậu tự nhiên . Nó không phải là một bài nghiên cứu, mà là một nhận xét ngắn gọn. Hình này là một bản cập nhật đơn giản hóa của một hình tương tự từ một bài báo Khoa học trước đó của cùng các tác giả, Santer et al. Năm 2018, Ảnh hưởng của con người đến chu kỳ theo mùa của nhiệt độ tầng đối lưu . Dưới đây là con số 2019:

nhập mô tả hình ảnh ở đây

Và đây là con số 2018; bảng A tương ứng với con số 2019:

nhập mô tả hình ảnh ở đây

Ở đây tôi sẽ cố gắng giải thích các phân tích thống kê đằng sau con số cuối cùng này (tất cả bốn bảng). Bài báo Khoa học là truy cập mở và khá dễ đọc; các chi tiết thống kê, như thường lệ, được ẩn trong Tài liệu bổ sung. Trước khi thảo luận về thống kê như vậy, người ta phải nói một vài từ về dữ liệu quan sát và mô phỏng (mô hình khí hậu) được sử dụng ở đây.


1. Dữ liệu

Các chữ viết tắt RSS, UAH và STAR, đề cập đến việc tái cấu trúc nhiệt độ tầng đối lưu từ các phép đo vệ tinh. Nhiệt độ tầng đối lưu đã được theo dõi từ năm 1979 bằng cách sử dụng các vệ tinh thời tiết: xem Wikipedia về các phép đo nhiệt độ của MSU . Thật không may, các vệ tinh không đo trực tiếp nhiệt độ; họ đo một cái gì đó khác, từ đó nhiệt độ có thể được suy ra. Hơn nữa, chúng được biết là chịu các sai lệch phụ thuộc thời gian và các vấn đề hiệu chuẩn. Điều này làm cho việc tái tạo nhiệt độ thực tế là một vấn đề khó khăn. Một số nhóm nghiên cứu thực hiện việc tái cấu trúc này, theo các phương pháp hơi khác nhau và thu được kết quả cuối cùng hơi khác nhau. RSS, UAH và STAR là những tái tạo này. Để trích dẫn Wikipedia,

Vệ tinh không đo nhiệt độ. Họ đo các bức xạ trong các dải bước sóng khác nhau, sau đó phải được đảo ngược về mặt toán học để thu được các kết luận gián tiếp về nhiệt độ. Các thông số nhiệt độ thu được phụ thuộc vào chi tiết của các phương pháp được sử dụng để thu được nhiệt độ từ các bức xạ. Kết quả là, các nhóm khác nhau đã phân tích dữ liệu vệ tinh đã thu được các xu hướng nhiệt độ khác nhau. Trong số các nhóm này có Hệ thống Viễn thám (RSS) và Đại học Alabama ở Huntsville (UAH). Sê-ri vệ tinh không hoàn toàn đồng nhất - bản ghi được xây dựng từ một loạt các vệ tinh có thiết bị tương tự nhưng không giống nhau. Các cảm biến xấu đi theo thời gian và việc hiệu chỉnh là cần thiết cho sự trôi dạt của vệ tinh trên quỹ đạo.

Có rất nhiều tranh luận về việc tái thiết nào đáng tin cậy hơn. Mỗi nhóm cập nhật thuật toán của họ mỗi giờ và sau đó, thay đổi toàn bộ chuỗi thời gian được xây dựng lại. Đây là lý do tại sao, ví dụ, RSS v3.3 khác với RSS v4.0 trong hình trên. Nhìn chung, AFAIK nó cũng được chấp nhận trong lĩnh vực này rằng các ước tính của nhiệt độ bề mặt toàn cầu là hơn chính xác hơn so với các số đo hình vệ tinh. Trong mọi trường hợp, điều quan trọng đối với câu hỏi này, là có một số ước tính có sẵn về nhiệt độ tầng đối lưu được giải quyết theo không gian, từ năm 1979 đến nay - tức là như là một hàm của vĩ độ, kinh độ và thời gian.

Hãy để chúng tôi biểu thị một ước tính như vậy bởi .T(x,t)

2. Mô hình

Có nhiều mô hình khí hậu khác nhau có thể được chạy để mô phỏng nhiệt độ tầng đối lưu (cũng là một hàm của vĩ độ, kinh độ và thời gian). Những mô hình này lấy nồng độ CO2, hoạt động núi lửa, bức xạ mặt trời, nồng độ aerosol và các ảnh hưởng bên ngoài khác làm đầu vào và tạo ra nhiệt độ làm đầu ra. Những mô hình này có thể được chạy trong cùng khoảng thời gian (1979 - bây giờ), sử dụng các ảnh hưởng bên ngoài được đo thực tế. Các đầu ra sau đó có thể được tính trung bình, để có được đầu ra mô hình trung bình.

Người ta cũng có thể chạy các mô hình này mà không cần nhập các yếu tố nhân tạo (khí nhà kính, bình xịt, v.v.), để có ý tưởng về các dự đoán mô hình không nhân tạo. Lưu ý rằng tất cả các yếu tố khác (năng lượng mặt trời / núi lửa / v.v.) dao động xung quanh các giá trị trung bình của chúng, do đó, đầu ra mô hình phi nhân tạo là đứng yên khi xây dựng. Nói cách khác, các mô hình không cho phép khí hậu thay đổi tự nhiên, không có bất kỳ nguyên nhân bên ngoài cụ thể nào.

Hãy để chúng tôi biểu thị đầu ra mô hình nhân tạo trung bình theo và đầu ra mô hình không nhân tạo trung bình theo .M(x,t)N(x,t)

3. Dấu vân tay và -statisticz

Bây giờ chúng ta có thể bắt đầu nói về thống kê. Ý tưởng chung là xem xét nhiệt độ tầng đối lưu tương tự như thế nào với đầu ra mô hình nhân tạo , so với đầu ra mô hình không nhân tạo . Người ta có thể định lượng sự giống nhau theo những cách khác nhau, tương ứng với "dấu vân tay" khác nhau của sự nóng lên toàn cầu.T(x,t)M(x,t)N(x,t)

Các tác giả xem xét bốn dấu vân tay khác nhau (tương ứng với bốn bảng của hình trên). Trong mỗi trường hợp, họ chuyển đổi cả ba hàm được xác định ở trên thành các giá trị hàng năm , và , trong đó lập chỉ mục các năm từ 1979 đến 2019. Dưới đây là bốn giá trị hàng năm khác nhau mà họ sử dụng:T(x,i)M(x,i)N(x,i)i

  1. Trung bình hàng năm: đơn giản là nhiệt độ trung bình trong cả năm.
  2. Chu kỳ theo mùa hàng năm: nhiệt độ mùa hè trừ đi nhiệt độ mùa đông.
  3. Trung bình hàng năm với trung bình toàn cầu được trừ: giống như (1) nhưng trừ trung bình toàn cầu cho mỗi năm trên toàn cầu, tức là trên . Kết quả có nghĩa là không cho mỗi .xi
  4. Chu kỳ theo mùa hàng năm với trung bình toàn cầu bị trừ: giống như (2) nhưng lại trừ trung bình toàn cầu.

Đối với mỗi phân tích trong số bốn phân tích này, các tác giả lấy tương ứng , thực hiện PCA theo các mốc thời gian và có được hàm riêng đầu tiên . Về cơ bản, đây là mô hình 2D về sự thay đổi tối đa số lượng quan tâm theo mô hình nhân tạo.M(x,i)F(x)

Sau đó, họ chiếu các giá trị quan sát lên mẫu này , tức là tính và tìm ra độ dốc của chuỗi thời gian kết quả. Nó sẽ là tử số của -statistic ("tỷ lệ tín hiệu trên tạp âm" trong các hình).T(x,i)F(x)

Z(i)=xT(x,i)F(x),
βz

Để tính toán mẫu số, họ sử dụng mô hình phi nhân tạo thay vì các giá trị thực tế quan sát được, tức là tính và một lần nữa tìm độ dốc của nó . Để có được sự phân phối null của các sườn dốc, họ chạy các mô hình phi nhân tạo trong 200 năm, cắt các đầu ra trong các khối 30 năm và lặp lại phân tích. Độ lệch chuẩn của các giá trị tạo thành mẫu số của -statistic:

W(i)=xN(x,i)F(x),
βnoiseβnoisez

z=βVar1/2[βnoise].

Những gì bạn thấy trong bảng A - D của hình trên là những giá trị này cho các năm phân tích khác nhau.z

Giả thuyết khống ở đây là nhiệt độ dao động dưới ảnh hưởng của các đầu vào mặt trời / núi lửa / vv cố định mà không có bất kỳ sự trôi dạt nào. Các giá trị cao chỉ ra rằng nhiệt độ tầng đối lưu quan sát không phù hợp với giả thuyết khống này.z

4. Một số ý kiến

Dấu vân tay đầu tiên (bảng A) là, IMHO, tầm thường nhất. Nó đơn giản có nghĩa là nhiệt độ quan sát được tăng trưởng đơn điệu trong khi nhiệt độ theo giả thuyết null thì không. Tôi không nghĩ người ta cần toàn bộ máy móc phức tạp này để đưa ra kết luận này. Chuỗi thời gian nhiệt độ trung bình thấp hơn (biến thể RSS) trung bình toàn cầu trông như thế này :

nhập mô tả hình ảnh ở đây

và rõ ràng có một xu hướng rất đáng kể ở đây. Tôi không nghĩ người ta cần bất kỳ mô hình nào để thấy điều đó.

Dấu vân tay trong bảng B có phần thú vị hơn. Ở đây, giá trị trung bình toàn cầu bị trừ, do đó, giá trị không bị chi phối bởi nhiệt độ tăng mà thay vào đó là các mô hình không gian của sự thay đổi nhiệt độ. Thật vậy, người ta biết rằng bán cầu Bắc nóng lên nhanh hơn miền Nam (bạn có thể so sánh các bán cầu ở đây: http://images.remss.com/msu/msu_time_series.html ), và đây cũng là mô hình khí hậu đầu ra. Bảng B được giải thích chủ yếu bởi sự khác biệt giữa các bán cầu này.z

Dấu vân tay trong bảng C thậm chí còn thú vị hơn, và là trọng tâm thực sự của Santer et al. Báo cáo năm 2018 (nhắc lại tiêu đề: "Ảnh hưởng của con người đến chu kỳ nhiệt độ tầng đối lưu", nhấn mạnh thêm). Như được hiển thị trong Hình 2 trong bài báo, các mô hình dự đoán rằng biên độ của chu kỳ theo mùa sẽ tăng ở vĩ độ trung bình của cả hai bán cầu (và giảm ở những nơi khác, đặc biệt là ở vùng gió mùa Ấn Độ). Đây thực sự là những gì xảy ra trong dữ liệu được quan sát, mang lại giá trị cao trong bảng C. Bảng D tương tự như C vì ở đây hiệu ứng không phải do sự gia tăng toàn cầu mà do mô hình địa lý cụ thể.z


PS Những lời chỉ trích cụ thể tại judithcurry.com mà bạn liên kết ở trên có vẻ khá hời hợt với tôi. Họ nâng bốn điểm. Đầu tiên là các ô này chỉ hiển thị -statistic chứ không hiển thị kích thước hiệu ứng; tuy nhiên, mở Santer et al. Năm 2018 người ta sẽ tìm thấy tất cả các số liệu khác hiển thị rõ ràng các giá trị độ dốc thực tế là kích thước hiệu ứng quan tâm. Thứ hai tôi không hiểu; Tôi nghi ngờ đó là một sự nhầm lẫn về phía họ. Thứ ba là về ý nghĩa của giả thuyết null; Điều này là đủ công bằng (nhưng ngoài chủ đề trên CrossValidated). Cái cuối cùng phát triển một số đối số về chuỗi thời gian tự động tương quan nhưng tôi không thấy nó áp dụng như thế nào cho tính toán trên.z


2
(+1) Đây là một câu trả lời tuyệt vời! Nếu bạn không phiền: bạn có thể mở rộng bước "PCA theo thời gian" không? Tôi không hiểu suy nghĩ đằng sau việc làm PCA ở đó thay vì phân tích từng chiều riêng biệt.
mkt - Tái lập lại

+1 Đây là một lời giải thích tuyệt vời. Rất gần với những gì tôi mong đợi (tôi thực sự không biết những gì mong đợi thực sự và câu hỏi của tôi rất mơ hồ) và xứng đáng với tiền thưởng (tôi sẽ để nó đến cuối cùng để thu hút sự chú ý). Tôi sẽ cần đọc phần vân tay thêm một vài lần nữa và để nó sôi lên một lúc trong não, tôi vẫn mong muốn một chút trực giác hơn và nắm bắt tốt hơn đằng sau và kết nối với tiếng ồn trong dữ liệu và nguyên tắc xác suất cơ bản nào gây ra điều này (trong vật lý hạt năng lượng cao, điều này rõ ràng hơn). Nhưng câu trả lời này sẽ giúp tôi đầy đủ. βnoise
Sextus Empiricus

1
@mkt Tôi chắc chắn có nhiều cách khác nhau để làm một phân tích tương tự. Đây không phải là lĩnh vực của tôi và tôi sẽ không biết tại sao các tác giả lại đưa ra những lựa chọn phân tích cụ thể này. Điều đó nói rằng, họ làm PCA làm giảm những gì tôi gọi là thành , tức là để loại bỏ sự phụ thuộc thời gian. Điều này là do họ muốn chiếu các giá trị quan sát được mỗi năm (cái mà tôi gọi là ) lên . Đối với mục đích này, nó phải độc lập về thời gian. Tôi nghi ngờ rằng thay vì làm PCA, họ có thể đã sử dụng hoặc trung bình trong vài năm qua. Nhưng tại sao không phải là PCA. F ( x ) T ( x , i ) F ( x ) N ( x , 2019 )N(x,i)F(x)T(x,i)F(x)N(x,2019)
amip nói phục hồi lại

1
Vâng, công cụ này có thể được thảo luận từ tất cả các góc độ. Cá nhân tôi thường không có nhiều phán xét về bất kỳ khía cạnh nào, nhưng tôi thích những lập luận đó rõ ràng và rõ ràng. Các báo cáo về khí hậu hiện đang rất mờ nhạt.
Sextus Empiricus

1
F(x)
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.