Forskel mellem korrelation og årsagssammenhæng

Korrelation foreslår en tilknytning mellem to variabler. Årsag viser, at en variabel direkte påvirker en ændring i den anden. Selvom korrelation kan medføre kausalitet, er det anderledes end et årsag-og-effektforhold. For eksempel, hvis en undersøgelse viser en positiv sammenhæng mellem lykke og barnløs, betyder det ikke, at børn forårsager ulykke. Faktisk kan korrelationer være helt tilfældige, såsom Napoleon's korte statur og hans opståen til magten. Hvis et forsøg viser, at et forudsagt resultat ikke er resultatet af manipulation af en bestemt variabel, er forskerne mere sikre på årsagssammenhæng, hvilket også betegner korrelation.

Eksempler på korrelation

Statistisk test måling sandsynligheden for, om korrelation skyldes tilfældighed eller ikke-tilfældig forening. At vide, at der eksisterer et statistisk signifikant forhold mellem variabler, er nyttigt på mange måder. Markedsforskere ser for eksempel på sammenhæng mellem reklameindsats og salg. Landmænd dømmer sammenhængen mellem anvendelse af pesticider og afgrødeudbytte. Socialforskere studerer sammenhænge mellem fattigdom og kriminalitet for at identificere interventionsstrategier. Korrelationer kan også være negative i retning, som f.eks. En stigning i dagligvarepriserne, når fødevareforsyningen falder under en tørke.

Eksempler på årsagssammenhæng

Hvis vinden vælter et træ, er det årsag og virkning. Andre årsagssammenhænge er mere komplekse. F.eks. Når forskere ser lovende resultater fra at administrere et nyt lægemiddel i menneskelige forsøg, skal de være sikre på, at stoffet forårsager forandringen, ikke andre faktorer, såsom en ændring af deltagernes kost eller livsstil. Bevis skal være overbevisende for at erklære kausalitet. Utilstrækkelig dokumentation kan føre til falske påstande om helbredelser og fejlagtige overbevisninger om årsager. I middelalderen kom en heksejagt ud, fordi landsbyboere tilskrev hungersnød og lidelse for tilstedeværelsen af ​​trolldom.