Вероятность и статистика · объяснение и практика

Почему совместное изменение не доказывает причину

Как отделить совместное изменение показателей от причинного вывода: скрытые факторы, обратное направление связи и роль продуманного исследования.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Связь признаков и регрессия · Учебная карта

Главная мысль

Корреляция описывает согласованное изменение показателей, но сама по себе не доказывает, что один вызывает другой. Возможны общий фактор, обратное влияние и особенности отбора. Причинный вывод требует отдельного плана исследования и обоснований, выходящих за пределы одного графика или коэффициента.

Что действительно видно по наблюдаемой связи

В учебном наборе данных учащиеся с большим временем работы в библиотеке часто получают более высокие баллы за проект. Диаграмма рассеяния может показать положительную связь этих двух величин. Из этого пока следует только описание наблюдений: большие значения одного показателя сопровождаются большими значениями другого в данном наборе. Оно не задаёт результат любого будущего вмешательства.

Нельзя сразу обещать, что дополнительный час в библиотеке повысит оценку на определённое число баллов. График не сообщал, что ученикам случайно назначали разное время, а остальные условия были сопоставимы. Кроме того, измерение времени может отражать разные занятия. Одно название места не доказывает, что во всех случаях выполнялась одна и та же полезная работа.

Какие объяснения могут сосуществовать

Более подготовленные или мотивированные ученики могут и чаще посещать библиотеку, и лучше выполнять проект. Тогда общий фактор создаёт часть наблюдаемой связи. Возможно и обратное направление: трудный интересный проект побуждает проводить больше времени за материалами. Эти объяснения не исключают реального влияния занятий, но показывают, почему один наблюдаемый тренд недостаточен для выбора единственной причины.

Отбор тоже способен изменить картину. Если учтены только добровольцы с завершёнными проектами, набор отличается от всех учащихся. Пропущенные наблюдения могут иметь другой характер. Поэтому следует проверить, кто вошёл в таблицу, как измерены оба показателя и за какой период они сопоставлены. Причинная интерпретация начинается с описания данных, а не с эффектного наклона линии.

Пример

Наблюдение: больше библиотечных часов связано с более высоким баллом. Необоснованный вывод: каждому дополнительному часу соответствует гарантированная прибавка баллов.

Первое утверждение описывает связь в данных. Второе добавляет причинное и индивидуальное обещание, которого сам наблюдательный график не доказывает.

Как исследовать вопрос осторожнее

Продуманный эксперимент со случайным распределением допустимых условий помогает уменьшить систематические различия между группами. Но и он требует проверки исполнения, измерений, размеров выборки и неопределённости результата. Случайность назначения не означает, что каждая конечная группа стала буквально одинаковой по всем признакам. Выводы оценивают с учётом дизайна, а не одного ярлыка «эксперимент».

В наблюдательном исследовании можно измерять возможные смешивающие факторы, сравнивать альтернативные объяснения и использовать подходящие методы. Это не превращает всякую связь в причину автоматически. Полезный школьный ответ должен назвать границу имеющихся сведений: что показано напрямую, что является гипотезой и каких данных не хватает для более сильного утверждения.

Также корреляция в привычном числовом смысле часто характеризует линейную связь. Слабый линейный показатель не исключает иной зависимости, например изогнутой. Поэтому посмотрите на сами точки, единицы осей и возможные выбросы. Коэффициент и диаграмма дополняют друг друга, но ни один из них сам по себе не заменяет содержательную модель явления.

От чтения к действию

А теперь — вы

В таблице два показателя растут вместе. Какой вывод обоснован без дополнительных сведений?

Частые вопросы

Корреляция означает, что причинной связи точно нет?

Нет. Она лишь недостаточна для доказательства причины. Реальное влияние может существовать, но требует отдельного обоснования.

Если линейная корреляция мала, зависимости нет?

Не обязательно. Между величинами может быть нелинейная связь. Поэтому важно рассматривать и саму диаграмму данных.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться