Korelace neimplikuje kauzalitu

Spotřeba zmrzliny koreluje s kriminalitou, to však neznamená, že by mezi nimi byl kauzální vztah. Obojí totiž souvisí s vyšší teplotou.

Korelace neimplikuje kauzalitu je vědecká zásada, která připomíná, že pokud nějaké dva jevy často následují po sobě nebo pokud nějaké dvě proměnné spolu korelují, nelze z toho ještě vyvozovat, že jedna je příčinou a druhá kauzálním následkem. Takový závěr by byl logicky chybný a tedy neplatný. To ovšem také neznamená, že by taková kauzalita byla vyloučená, jen není pouhou korelací prokázána. K této logické chybě velmi často dochází při vyhodnocování statistických výsledků jak v přírodních, tak také společenských vědách. Lidé totiž běžně za příčinu považují ten faktor, který nejvíce koreluje s následkem.

Pokud se fakt, že korelace neimplikuje kauzalitu, analyzuje kvantitativně, nejčastějším důvodem, proč tento jednoduchý závěr neplatí, je existence alespoň jedné zavádějící proměnné.

Jiné formulace

• Korelace je nutnou, ale nikoli postačující podmínkou kauzality.

Logicky chybný závěr, jako kdyby z následnosti nebo korelace nutně plynula kauzalita, se často vyjadřuje také jako:

• Post hoc, ergo propter hoc (lat. „potom, tudíž kvůli tomu“)
• Cum hoc, ergo propter hoc (lat. „spolu, tudíž kvůli tomu“)

Příklad 1

• Korelace: Empirické studie prokázaly, že při hormonální terapii menopauzy je nižší pravděpodobnost infarktu a dalších srdečních poruch.
• Falešný závěr: Hormonální terapie snižuje pravděpodobnost infarktu.
• Skutečná kauzalita: Podrobnější studie prokázaly, že hormonální terapie naopak pravděpodobnost infarktu zvyšuje, i když nevýznamně. Společnou příčinou obou jevů je to, že lépe situovaní pacienti, kteří mají lepší stravu a režim, a tedy menší riziko infarktu, si také častěji mohou dovolit hormonální terapii.

Příklad 2

• Korelace: Od 50. let 20. století prudce vzrostla jak úroveň atmosférického CO₂, tak výskyt obezity.
• Falešný závěr: Zdá se, že atmosférický CO₂ způsobuje obezitu. (Nebo naopak obezita způsobuje nárůst CO₂ v atmosféře.)
• Skutečná kauzalita: Obojí je důsledkem toho, že bohatší část populace více jí a také spotřebovává více energie.

Odkazy

Literatura, chronologicky

• PEARL, Judea. Causal Diagrams for Empirical Research. Biometrika. Dec., 1995, vol. 82, no. 4, s. 669–688. Dostupné také z: https://www.jstor.org/stable/2337329?typeAccessWorkflow=login
• PEARL, Judea. Structural and probabilistic causality. In: SHANKS, D. R., ed.; HOLYOAK, K. J., ed. and MEDIN, D. L., ed. The Psychology of Learning and Motivation. Vol. 34. San Diego (CA): Academic Press, 1996, s. 393–435. Úvod dostupný z: https://www.sciencedirect.com/science/article/abs/pii/S0079742108605666?via%3Dihub
• PEARL, Judea. The new challenge: From a century of statistics to an age of causation. Presented at the IASC Second World Congress, Pasadena, CA, February 1997. Abstrakt dostupný z: https://www.semanticscholar.org/paper/The-New-Challenge%3A-From-a-Century-of-Statistics-to-Pearl/703741c2b37cc34eda7b7ad2eaffd230ebb01a71
• PEARL, Judea. The Art and Science of Cause and Effect. Epilogue to Causality: Models, Reasoning, and Inference, Cambridge University Press, January 2000. [Text a 71 slajdů.] Dostupné také z: http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm a násl.
• PEARL, Judea. Causal inference in statistics: An overview. Statistics Surveys. 2009, vol. 3, s. 96–146. Lit. na s. 139–146. ISSN 1935-7516. DOI: 10.1214/09-SS057. Dostupné také z: http://ftp.cs.ucla.edu/pub/stat_ser/r350.pdf
• PEARL, Judea. Causality: Models Reasoning and Inference. 2nd ed. [viz rub titulní strany]. Cambridge (U.K.): Cambridge University Press, 2021. 465 s. ISBN 978-0-521-89560-6.

Související články

• Argumentační klam
• Kauzalita
• Korelace
• Zavádějící proměnná

Externí odkazy

• The Art and Science of Cause and Effect, část 1
• The Art and Science of Cause and Effect, část 1b
• The Art and Science of Cause and Effect, část 2
• The Art and Science of Cause and Effect, část 3
• Spurious Correlations, sbírka nahodilých korelací nesouvisejících jevů