Milloin positiivinen korrelaatio osoittautuu syyksi?

Richard Dawkins Militant Atheism (suomenkielinen tekstitys) (Marraskuu 2024)

Richard Dawkins Militant Atheism (suomenkielinen tekstitys) (Marraskuu 2024)
Milloin positiivinen korrelaatio osoittautuu syyksi?
Anonim
a:

Korrelaatio, positiivinen tai negatiivinen, ei koskaan merkitse syy-yhteyttä. Tilastoissa termiä korrelaatio käytetään kuvaamaan kahden tai useamman muuttujan välistä suhdetta. Korrelaatiot ovat positiivisia, kun yhden muuttujan taajuuden kasvuun liittyy toisen muuttujan taajuuden kasvu. Negatiiviset korrelaatiot olisivat tämän käänteisiä: yhden muuttujan taajuuden väheneminen liittyy toisen muuttujan taajuuden vähenemiseen. Korrelaatio voi olla arvokas työkalu tilastolliseen analyysiin, mutta se ei voi tarkoittaa syy-yhteyttä, koska tilastotieteilijät kutsuvat sekaville muuttujille.

Hämmentävät muuttujat vaikuttavat kahden tai useamman muun muuttujan välisiin suhteisiin usein tuntemattomilla tai mittamittaamattomilla tavoilla. Guardian mainitsee tupakoinnin ja keuhkosyöpään liittyvän korrelaation hyvänä esimerkkinä siitä, kuinka sekavat muuttujat voivat sekoittaa vastavuoroisen analyysin prosessiin. Tällöin tupakoinnin lisääntymisen ja keuhkosyövän lisääntymisen välillä oli selvä ero. Analyytikot eivät kuitenkaan voineet todeta lopullisesti, että tupakointi oli yksin vastuussa kasvusta muiden tekijöiden takia, kuten parempien diagnoosimenettelyjen toteuttamiseen ja teollisuuden ja liikenteen aiheuttaman pilaantumisen lisääntymiseen. Koska kaikki nämä muuttujat olivat tärkeitä määritettäessä keuhkosyöpätapausten lisääntymisen takia, he pilkkoivat tupakoinnin ja keuhkosyövän välisen suhteen ja vaikeuttivat täsmällisempää suhdetta.

Tämä ei tarkoita sitä, että korrelaatiot eivät voi antaa analyytikoille parempaa käsitystä siitä, miten kaksi muuttujaa vaikuttavat toisiinsa, mutta tällaiset analyysit eivät voi tarjota täydellistä varmuutta. Tupakoinnin ja keuhkosyöpään liittyi yli 40 000 lääkäriä ja useita vuosia intensiivistä tutkimusta varmistaakseen suuren varmuuden todellisen suhteen kahden muuttujan välillä. Kaikki tämä on sanottu, sitä vahvempi kahden muuttujan välinen korrelaatio, positiivinen tai negatiivinen, sitä todennäköisemmin on ainakin jonkin verran syy-yhteyttä pelissä. Jos analysoidaan korrelaatiota taloudellisiin tarkoituksiin, yritä selvittää tapoja, joilla ammattimaiset rahoituslaitokset tekisivät sen.