Quels sont les inconvénients d`une analyse statistique?

Un test statistique est seulement aussi bon que les données qu`il analyse. Si les chercheurs recueillent des données en utilisant des procédures défectueuses ou biaisées, résultant analyse statistique sera trompeuse. Le terme "erreur d`échantillonnage" représente l`écart entre la population de l`échantillon et la population réelle. Un échantillon très représentatif produit très peu d`erreur, mais un grand écart entre l`échantillon et la population crée des données trompeuses. Si une des enquêtes de chercheurs universitaires des étudiants au sujet de leur type préféré de film en debout à l`extérieur d`un match de football avec un questionnaire, par exemple, elle pourrait inclure plus d`hommes que de femmes dans l`échantillon. Cela pourrait l`amener à conclure à tort que les étudiants préfèrent les films d`action sur les comédies romantiques.

Un autre problème avec l`analyse statistique est la tendance à sauter aux conclusions injustifiées au sujet des relations de cause à effet. Les chercheurs trouvent souvent des preuves que deux variables sont fortement corrélées, mais cela ne prouve pas qu`une variable provoque une autre. Par exemple, les chercheurs du New York Times trouvé villes avec des taux plus élevés d`armes en avaient aussi des taux de meurtre plus élevés. Il est tentant de conclure que pour permettre à plus d`armes dans une ville ont causé le taux d`assassiner à la hausse, mais il est tout aussi possible que les gens ont acheté des armes parce qu`ils se sentaient menacés par des taux de crimes avec violence déjà élevés. L`analyse statistique seul ne permet pas de prouver les relations causales entre les deux variables.

L`analyse statistique est un moyen d`utiliser des mesures agrégées pour tirer des conclusions, mais si les chercheurs ne mesurent pas la bonne chose, l`analyse échouera. La validité de construction est la mesure dans laquelle les mesures des chercheurs reflètent réellement ce qu`ils essaient de mesurer. Par exemple, les chercheurs publicitaires veulent généralement d`étudier comment efficacement une annonce persuade les gens à acheter un produit. Ils estiment l`effet de persuasion grâce à des enquêtes qui tentent d`évaluer les consommateurs ` "intention d`achat" vers le produit. Le problème, cependant, est que tandis que les participants de l`étude pourraient dire une annonce faite leur donner envie d`acheter le produit, leurs comportements réels pourraient ne pas refléter cette attitude. La validité conceptuelle de "intention d`achat" peut être discutable, parce que l`intention d`achat ne conduit pas toujours à des achats réels.

Un dernier problème avec l`analyse statistique est sa tendance à produire des réponses trop simples à des questions complexes. Une entreprise de boissons gazeuses pourrait tester l`efficacité de sa campagne publicitaire, par exemple, et par une analyse statistique, déterminer que les nouvelles annonces pourraient stimuler les ventes de 10 pour cent. Peu importe la façon détaillée leurs enquêtes, toutefois, l`analyse statistique de l`entreprise ne peuvent pas révéler exactement pourquoi le travail d`annonces. Peut-être que les téléspectateurs répondent à une composante émotionnelle dans l`annonce, ou peut-être qu`ils étaient tout simplement penser à un nom de marque qu`ils aiment déjà. Les données statistiques ne peuvent pas saisir la complexité de quelque chose comme l`émotion très facilement, de sorte que les analyses statistiques manquer souvent des informations importantes, mais subtile.