Mengapa Korelasi Tidak Semestinya Menunjukkan Sebab dan Akibat?
Istilah utama: pembolehubah pengacau·Sebutan: pem-bo-leh-ubah pen-ga-cau·Bahasa Inggeris: confounding variable
Data menunjukkan bahawa bulan dengan jualan aiskrim yang tinggi juga mempunyai kes lemas yang lebih tinggi. Bolehkah kita simpulkan aiskrim menyebabkan orang lemas, atau lemas menyebabkan orang membeli aiskrim? Kedua-dua kesimpulan ini salah. Memahami sebabnya merupakan salah satu kemahiran paling penting dalam menilai maklumat saintifik.
Korelasi bermaksud dua pembolehubah cenderung berubah bersama. Dalam korelasi positif, apabila satu meningkat, satu lagi cenderung meningkat; dalam korelasi negatif, apabila satu meningkat, satu lagi cenderung menurun. Tetapi korelasi sahaja tidak memberitahu kita apa yang menyebabkan hubungan itu. Dalam contoh aiskrim dan lemas, kedua-dua pembolehubah ini sebenarnya disebabkan oleh faktor ketiga yang tidak disebut secara terus: cuaca panas (musim panas). Cuaca panas menyebabkan lebih ramai orang membeli aiskrim, dan, secara berasingan, menyebabkan lebih ramai orang berenang (meningkatkan risiko lemas). Aiskrim itu sendiri tidak mempunyai kaitan sebab-akibat langsung dengan lemas.
Tiga kemungkinan di sebalik korelasi yang diperhatikan
Apabila dua pembolehubah menunjukkan korelasi, terdapat sekurang-kurangnya tiga kemungkinan penjelasan (selain sebab-akibat langsung yang mudah): Pertama, ia mungkin kebetulan semata-mata (terutamanya jika data yang dibandingkan sedikit atau hanya data tertentu dipilih). Kedua, hubungan sebab-akibat mungkin terbalik daripada yang disangka (contohnya, bukan A menyebabkan B, tetapi B yang sebenarnya menyebabkan A). Ketiga, dan paling lazim dalam kes seperti aiskrim-lemas, terdapat pembolehubah pengacau, faktor ketiga yang mempengaruhi kedua-dua pembolehubah yang diperhatikan, menghasilkan korelasi tanpa sebarang kaitan sebab-akibat langsung antara kedua-duanya.
Nota Istilahpembolehubah pengacau: Faktor lain yang berkaitan dengan kedua-dua pembolehubah yang dikaji dan boleh memesongkan hubungan yang diperhatikan antara kedua-duanya, sehingga hubungan itu kelihatan lebih kuat, lebih lemah atau berbeza daripada hubungan sebab-akibat sebenar.
Nota Istilahpembolehubah pengacau: Faktor lain yang berkaitan dengan kedua-dua pembolehubah yang dikaji dan boleh memesongkan hubungan yang diperhatikan antara kedua-duanya, sehingga hubungan itu kelihatan lebih kuat, lebih lemah atau berbeza daripada hubungan sebab-akibat sebenar.
Inilah sebabnya kajian yang cuba membuat inferens sebab-akibat memerlukan reka bentuk yang lebih ketat (rujuk rencana berkaitan Bidang ini). Dalam eksperimen, randomisasi dan kumpulan kawalan membantu memisahkan kesan rawatan daripada faktor lain, manakala pembutaan boleh mengurangkan bias peserta dan penyelidik.
Jadi, dua perkara yang naik turun bersama tidak semestinya bermakna satu menyebabkan yang lain. Mungkin terdapat faktor ketiga (pengacau) yang menyebabkan kedua-duanya.
Jadi, dua perkara yang naik turun bersama tidak semestinya bermakna satu menyebabkan yang lain. Mungkin terdapat faktor ketiga (pengacau) yang menyebabkan kedua-duanya.
Bagaimana kita mengetahui hal ini?
Uji KefahamanSoalan 1 daripada 2
Kenapa jualan aiskrim berkorelasi dengan bilangan kes lemas, walaupun aiskrim tidak menyebabkan lemas secara langsung?