Kliring Up Kebingungan Antara Korelasi Dan Penyebab

Kliring Up Kebingungan Antara Korelasi Dan Penyebab

Inilah berita gembira sejarah yang mungkin tidak Anda sadari. Antara tahun 1860 dan 1940, karena jumlah pendeta Methodist yang tinggal di New England meningkat, begitu juga jumlah rum Kuba yang diimpor ke Boston - dan keduanya meningkat dengan cara yang sangat mirip. Dengan demikian, pendeta Methodis pasti sudah membeli banyak rum dalam periode waktu itu!

Sebenarnya tidak, itu adalah kesimpulan konyol untuk menggambar. Apa yang sebenarnya terjadi adalah bahwa keduanya - Pendeta Methodis dan rum Kuba - didorong ke atas oleh faktor lain, seperti pertumbuhan penduduk.

Dalam mencapai kesimpulan yang salah itu, kami telah membuat kesalahan yang terlalu umum terjadi korelasi membingungkan dengan sebab-akibat.

Apa bedanya?

Dua jumlah dikatakan berkorelasi jika keduanya meningkat dan menurun bersama-sama ("berkorelasi positif"), atau jika seseorang meningkat saat keadaan menurun lainnya dan sebaliknya ("berkorelasi negatif").

Korelasi mudah terdeteksi melalui pengukuran statistik dari Koefisien korelasi Pearson, yang menunjukkan seberapa erat terkunci bersama kedua kuantitas tersebut, mulai dari -1 (berkorelasi sangat negatif) melalui 0 (sama sekali tidak berkorelasi) dan sampai 1 (berkorelasi positif sempurna).

sebab-akibat1tylervigen.com

Tapi hanya karena dua kuantitas yang berkorelasi tidak selalu berarti yang satu itu secara langsung menyebabkan yang lainnya berubah. Korelasi tidak berarti sebab-akibat, seperti cuaca mendung tidak menyiratkan curah hujan, meski kebalikannya benar adanya.


Dapatkan Yang Terbaru Dari Diri Sendiri


Jika dua kuantitas berkorelasi maka mungkin ada hubungan sebab-akibat asli (seperti tingkat curah hujan dan penjualan payung), tapi mungkin variabel lain mengemudi keduanya (seperti nomor bajak laut dan pemanasan global), atau mungkin itu kebetulan saja (seperti Konsumsi keju AS dan strangulasi-by-bedsheet).

Bahkan di mana penyebab hadir, kita harus berhati-hati untuk tidak mencampur penyebabnya dengan efek, atau kita bisa menyimpulkan, misalnya, bahwa peningkatan penggunaan pemanas menyebabkan cuaca dingin.

Dalam rangka membangun sebab-akibat, kita perlu melampaui statistik dan mencari bukti yang terpisah (yang bersifat ilmiah atau sejarah) dan penalaran logis. Korelasi dapat mendorong kita untuk pergi mencari bukti-bukti tersebut di tempat pertama, tapi itu tidak berarti bukti dalam dirinya sendiri.

Masalah Halus

Meskipun contoh di atas jelas konyol, korelasi sangat sering keliru untuk sebab-akibat dengan cara yang tidak segera jelas di dunia nyata. Ketika membaca dan menafsirkan statistik, seseorang harus berhati-hati untuk memahami apa data dan statistik yang menyiratkan - dan yang lebih penting, apa yang mereka tidak menyiratkan

sebab-akibat2

Salah satu contoh terbaru dari perlunya kehati-hatian dalam menginterpretasikan data kegembiraan awal tahun ini sekitar terobosan jelas deteksi gelombang gravitasi - sebuah pengumuman yang tampaknya telah dibuat sebelum waktunya, sebelum semua variabel yang mempengaruhi data dipertanggungjawabkan.

Sayangnya, menganalisis statistik, probabilitas dan risiko bukanlah keahlian kabel ke kami intuisi manusia, dan begitu mudah disesatkan. Seluruh buku telah ditulis dengan cara halus dimana statistik dapat disalahartikan (atau digunakan untuk menyesatkan). Untuk membantu menjaga penjaga Anda, berikut adalah beberapa masalah statistik licin yang harus Anda sadari:

1) Efek Pekerja Sehat, dimana terkadang dua kelompok tidak bisa langsung dibandingkan pada tingkat lapangan bermain.

Pertimbangkan studi hipotetis yang membandingkan kesehatan sekelompok pekerja kantor dengan kesehatan sekelompok astronot. Jika penelitian menunjukkan tidak ada perbedaan yang signifikan antara keduanya - tidak ada korelasi antara kesehatan dan lingkungan kerja - apakah kita dapat menyimpulkan bahwa hidup dan bekerja di luar angkasa tidak membawa risiko kesehatan jangka panjang bagi para astronot?

Tidak! Kelompok-kelompok tersebut tidak berada pada pijakan yang sama: korps astronot menyeleksi pelamar untuk menemukan kandidat sehat, yang kemudian mempertahankan rezim kebugaran komprehensif untuk secara proaktif memerangi dampak hidup dalam "kekuatan mikro".

Oleh karena itu, kami akan mengharapkan mereka menjadi lebih sehat secara signifikan daripada pekerja kantor, rata-rata, dan seharusnya benar-benar khawatir jika tidak melakukannya.

2) Kategorisasi dan Efek Migrasi Tahap - menyeret orang di antara kelompok dapat memiliki efek dramatis pada hasil statistik.

Ini juga dikenal sebagai Will Rogers efeknya, setelah komedian AS yang kabarnya menyindir:

Ketika Okies meninggalkan Oklahoma dan pindah ke California, mereka mengangkat tingkat kecerdasan rata-rata di kedua negara.

Sebagai ilustrasi, bayangkan membagi sekelompok besar teman menjadi kelompok "pendek" dan kelompok "tinggi" (mungkin untuk mengaturnya untuk foto). Setelah melakukannya, sangat mudah untuk meningkatkan tinggi rata-rata kedua kelompok sekaligus.

Cukup tanyakan kepada orang terpendek di grup "tinggi" untuk beralih ke grup "pendek". Kelompok "tinggi" kehilangan anggota terpendek mereka, sehingga menabrak tinggi rata-rata mereka - namun kelompok "pendek" mendapatkan anggota tertinggi mereka, dan dengan demikian juga mendapatkan tinggi rata-rata.

Ini memiliki implikasi besar dalam studi medis, di mana pasien sering disortir menjadi kelompok "sehat" atau "tidak sehat" dalam pengujian pengobatan baru. Jika metode diagnostik membaik, beberapa pasien yang sangat tidak sehat mungkin dikategorikan kategori - yang mengarah ke hasil kesehatan dari kedua kelompok yang membaik, terlepas dari seberapa efektif (atau tidak) pengobatannya.

sebab-akibat3Memilih dan memilih di antara data dapat menyebabkan kesimpulan yang salah. Para skeptis melihat periode pendinginan (biru) saat data benar-benar menunjukkan pemanasan jangka panjang (hijau). skepticalscience.com

mining 3) Data - ketika kelimpahan data hadir, potongan-potongan dapat ceri-memilih untuk mendukung kesimpulan yang diinginkan.

Ini adalah praktik statistik yang buruk, tapi jika dilakukan dengan sengaja Bisa sulit dikenali tanpa sepengetahuan kumpulan data asli dan lengkap.

Pertimbangkan grafik di atas yang menunjukkan dua interpretasi data pemanasan global, misalnya. Atau fluorida - dalam jumlah kecil itu adalah salah satu obat pencegahan yang paling efektif dalam sejarah, namun efek positifnya hilang sama sekali jika seseorang hanya mempertimbangkan jumlah fluorida yang beracun.

Untuk alasan yang serupa, penting agar prosedur eksperimen statistik tertentu diperbaiki sebelum percobaan dimulai dan tetap tidak berubah sampai percobaan berakhir.

4) Clustering - yang diharapkan bahkan dalam data acak sepenuhnya.

Pertimbangkan sebuah studi medis yang meneliti bagaimana penyakit tertentu, seperti kanker atau Multiple sclerosis, ini didistribusikan secara geografis. Jika penyakit menyerang secara acak (dan lingkungan tidak berpengaruh), kita akan sering melihat banyak kelompok pasien sebagai masalah. Jika pasien menyebar dengan sempurna secara merata, distribusinya paling tidak acak!

Jadi keberadaan cluster tunggal, atau sejumlah kelompok kecil kasus, seluruhnya normal. Metode statistik canggih diperlukan untuk menentukan seberapa banyak pengelompokan diperlukan untuk menyimpulkan bahwa sesuatu di daerah itu mungkin menyebabkan penyakit.

Sayangnya, setiap cluster sama sekali - bahkan yang tidak penting - membuat berita utama yang mudah (dan pada pandangan pertama, menarik).

sebab-akibat4

Analisis statistik, seperti alat hebat lainnya, harus digunakan dengan sangat hati-hati - dan khususnya, kita harus selalu berhati-hati saat menarik kesimpulan berdasarkan fakta bahwa dua kuantitas berkorelasi.

Sebagai gantinya, kita harus selalu menekankan bukti terpisah untuk memperdebatkan sebab dan akibat - dan bukti itu tidak akan berbentuk angka statistik tunggal.

Tampaknya korelasi yang menarik, katakanlah antara gen yang diberikan dan skizofrenia atau antara tinggi lemak dan penyakit jantung, bisa berubah berdasarkan metodologi yang sangat meragukan.

Kita mungkin sebagai spesies yang secara kognitif kurang siap menghadapi masalah ini. Sebagai pendidik Kanada Kieran Egan letakkan di bukunya Mendapatkannya Salah dari Awal:

Kabar buruknya adalah bahwa evolusi kita melengkapi kita untuk hidup dalam masyarakat kecil, stabil, pemburu-pengumpul. Kami adalah orang-orang Pleistosen, tapi otak kami yang sudah tua telah menciptakan masyarakat besar, multikultural, berteknologi canggih dan cepat berubah untuk kami tinggali.

Karena itu, kita harus terus-menerus melawan godaan untuk melihat makna secara kebetulan dan membingungkan korelasi dan sebab-akibat.Percakapan

Artikel ini awalnya diterbitkan pada Percakapan
Baca Artikel asli.


Tentang Penulis

borwein jonathanJonathan Borwein (Jon) adalah Profesor Matematika Laureate di University of Newcastle. Dia adalah Profesor Profesor matematika di University of Newcastle dan Direktur Pusat Matematika dan Riset Berfungsi Komputer (CARMA). Dia pernah bekerja di Universitas Carnegie-Melon, Dalhousie, Simon Fraser, dan Waterloo dan telah mengadakan dua Kursi Penelitian Kanada dalam komputasi.

michael mawarMichael Rose adalah kandidat PhD, Sekolah Matematika dan Ilmu Pengetahuan Fisika di University of Newcastle. PhD mahasiswa Matematika di bawah pengawasan Laureate Prof. Jon Borwein di University of Newcastle, Australia. Saat ini sedang membantu penelitian tentang penerapan matematika fraktal untuk memodelkan distribusi sinaps otak.

Pernyataan Pengungkapan: Penulis tidak bekerja untuk, berkonsultasi dengan, memiliki saham atau menerima dana dari perusahaan atau organisasi mana pun yang akan mendapatkan keuntungan dari artikel ini. Mereka juga tidak memiliki afiliasi yang relevan.


Rekomendasi Buku:

Uang, seks, Perang, Karma: Catatan untuk Revolusi Buddha
oleh David R. Loy.

Uang, seks, Perang, Karma: Catatan untuk Revolusi Buddha oleh David R. Loy.David Loy telah menjadi salah satu pendukung dunia Buddhis yang paling kuat, menjelaskan tidak seperti kemampuannya untuk mengubah lansekap sosio-politik dunia modern. Di Uang, Seks, Perang, Karma, dia menawarkan presentasi yang jelas dan mengejutkan dari pokok-pokok ajaran Buddha yang disalahpahami - kerja karma, sifat diri, penyebab masalah baik pada tingkat individu maupun masyarakat - dan alasan sebenarnya di balik perasaan kolektif kita tentang "tidak pernah cukup , "apakah sudah waktunya, uang, seks, keamanan ... bahkan perang. "Revolusi Budha" Daud tidak lain adalah perubahan radikal dalam cara kita dapat mendekati kehidupan kita, planet kita, delusi kolektif yang menyelimuti bahasa, budaya, dan bahkan spiritualitas kita.

Klik di sini untuk info lebih lanjut dan / atau untuk memesan buku ini di Amazon.


enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

ikuti InnerSelf di

facebook-icontwitter-iconrss-icon

Dapatkan Terbaru Dengan Email

{Emailcloak = off}