Tenk deg at både iskremsalget og antallet drukningsulykker øker i en varm sommerperiode. Betyr det at iskrem fører til drukning? Nei. Dette er et illustrerende eksempel på at to ting kan variere sammen uten at den ene forårsaker den andre.
Skillet mellom korrelasjon og kausalitet er nyttig i blant annet statistikk, psykologi og samfunnsvitenskap, og når du vurderer påstander i nyhetene.
Hva er korrelasjon?
Korrelasjon beskriver hvordan to variabler varierer sammen. En variabel er noe som kan ha ulike verdier, for eksempel temperatur eller antall solgte is.
Et vanlig mål på korrelasjon er Pearsons korrelasjonskoeffisient, r. Den måler lineær sammenheng mellom to tallvariabler og ligger mellom −1 og 1 når begge variablene har variasjon:
- Nær 1: sterk positiv lineær korrelasjon. Høye verdier av den ene variabelen henger ofte sammen med høye verdier av den andre.
- 0: ingen lineær korrelasjon. Det kan likevel finnes en sammenheng som følger en kurve.
- Nær −1: sterk negativ lineær korrelasjon. Høye verdier av den ene variabelen henger ofte sammen med lave verdier av den andre.
I enkel lineær regresjon med konstantledd er R² lik r². Det viser hvor stor andel av variasjonen i den avhengige variabelen modellen forklarer statistisk. Det dokumenterer ikke årsakssammenheng.
Et spredningsdiagram viser hvert par av verdier som ett punkt. En tydelig stigende eller synkende, rettlinjet form tyder på sterk lineær korrelasjon. Se også etter kurver og enkeltpunkter som skiller seg ut. Formen kan fortelle noe korrelasjonstallet alene ikke viser.
Vil du beskrive en lineær sammenheng med en rett linje, kan du lese videre om lineær regresjon. Heller ikke en regresjonslinje er i seg selv bevis på årsak.
Et tenkt resultat på r = 0,9 betyr sterk positiv lineær korrelasjon. Det sier fortsatt ingenting sikkert om årsaken til sammenhengen.
Hva er kausalitet?
Kausalitet betyr årsakssammenheng: én faktor påvirker en annen. Påvirkningen kan være direkte eller gå gjennom flere ledd. Den kan også endre sannsynligheten for et utfall uten å gi samme resultat hver gang.
Når forskere undersøker om A påvirker B, er tre spørsmål særlig nyttige:
- Kommer årsaken før virkningen? A må skje før det utfallet i B som A skal forklare.
- Varierer A og B sammen? Når A endrer seg, ser vi også en forskjell i B?
- Kan andre forhold forklare mønsteret? En tredje variabel kan påvirke både A og B, og forklare den observerte sammenhengen.
En observert korrelasjon besvarer ikke disse spørsmålene alene. Den er derfor ikke tilstrekkelig til å fastslå en årsakssammenheng.
Dette er en viktig del av vitenskapelig metode og kritisk tenkning: Vi må vurdere hvordan kunnskapen er blitt til, ikke bare hvor tydelig et mønster ser ut.
Tredjevariabelproblemet
Tredjevariabelproblemet oppstår når en annen variabel kan forklare sammenhengen mellom variablene du studerer.
I iskremeksempelet kan varmt vær forklare begge deler: flere kjøper is, og flere bader. Når flere er i vannet, kan også antallet drukningsulykker øke. Vi trenger altså ikke anta at iskremsalget er årsaken til ulykkene.
Denne typen sammenheng kalles en spuriøs korrelasjon. Korrelasjonen finnes, men den forklares av noe annet enn den ene variabelens virkning på den andre.
Illusoriske korrelasjoner
En illusorisk korrelasjon er en sammenheng vi tror finnes, eller tror er sterkere enn den faktisk er, uten tilstrekkelig støtte i data.
En student tror hun får bedre resultater når hun bruker en bestemt genser. Hun husker særlig eksamenene som gikk bra med genseren på. Dette kan skape en opplevd sammenheng uten at hun har undersøkt alle resultatene systematisk.
Skillet handler ikke om hvor lenge mønsteret varer. Ved en spuriøs korrelasjon kan det finnes en målt sammenheng som ikke skyldes direkte påvirkning mellom variablene. Ved en illusorisk korrelasjon er selve oppfatningen av sammenhengen mangelfullt begrunnet eller overdrevet.
Retningsproblemet
Retningsproblemet oppstår når det er uklart hvilken vei påvirkningen går. Er det A som forårsaker B, eller B som forårsaker A?
Du sover lite og er stresset. Sover du lite fordi du er stresset, eller er du stresset fordi du sover lite? Begge deler er plausible, og påvirkningen kan også gå begge veier.
To metoder brukes for å komme videre:
Et randomisert eksperiment: Deltakere fordeles tilfeldig mellom en eksperimentgruppe og en kontrollgruppe. Forskeren endrer faktoren som skal undersøkes i eksperimentgruppen og sammenligner resultatene mellom gruppene. Tilfeldig fordeling reduserer faren for at systematiske forskjeller mellom gruppene forklarer resultatet.
En longitudinell studie: Forskeren følger de samme personene over tid. Det kan vise hva som endrer seg først, men fjerner ikke automatisk problemet med tredjevariabler. Rekkefølge alene beviser ikke årsak.
Pearls stige for kausal tenkning
Judea Pearl beskriver kausal tenkning som en stige med tre trinn.
Trinn 1: observasjon. Du ser hva som skjer og leter etter mønstre i data. Her finner du korrelasjon. Iskremsalget og drukningsulykkene følger hverandre, og det er alt du vet.
Trinn 2: intervensjon. Du endrer aktivt noe og ser hva som skjer. Hva om vi får folk til å spise mindre is, blir det færre drukningsulykker da?
Trinn 3: kontrafaktisk tenkning. Du spør hva som ville skjedd i en alternativ virkelighet. Det var varmt, og mange kjøpte is. Men hva ville skjedd med drukningsulykkene den samme sommeren hvis folk ikke hadde kjøpt is?
Stigen viser forskjellen mellom å observere hva som skjer, undersøke hva som skjer når vi griper inn, og spørre hva som ville skjedd under andre omstendigheter.
Deterministisk og probabilistisk kausalitet
Deterministisk kausalitet betyr at de samme forutsetningene gir samme utfall. Et idealisert eksempel er bevegelsen til biljardkuler når alle relevante forhold er fastlagt.
Probabilistisk kausalitet betyr at årsaken øker eller reduserer sannsynligheten for en virkning, uten at virkningen alltid inntreffer. Lite søvn øker sannsynligheten for dårlig konsentrasjon, men noen klarer seg fint.
Mange årsakssammenhenger i psykologi, medisin og samfunnsvitenskap beskrives som endringer i sannsynlighet. En faktor kan påvirke risikoen for den enkelte, selv om vi ikke kan forutsi sikkert hva som skjer med akkurat den personen.
Kort oppsummert
Korrelasjon beskriver samvariasjon, mens kausalitet handler om årsak og virkning. En sterk korrelasjon er ikke i seg selv bevis på årsak. Spør hvilken vei påvirkningen kan gå, om en tredje variabel kan forklare sammenhengen, og hvordan undersøkelsen er gjennomført.
Ofte stilte spørsmål
Hva er forskjellen på korrelasjon og kausalitet?
Betyr sterk korrelasjon at det finnes en årsakssammenheng?
Hva er en tredjevariabel?
Se forklaringen på video
Vil du se temaet forklart? Åpne kurset Psykologisk forskningsmetode og finn videoleksjonen «Korrelasjon og kausalitet». Du må logge inn, og enkelte leksjoner krever tilgang til faget.
PSY1111, PSYK4111
Psykologisk forskningsmetode – NTNU
