Korrelation och kausalitet är två olika saker. Korrelation betyder att två variabler samvarierar: när den ena ändras brukar den andra också ändras. Kausalitet, eller orsakssamband, betyder att den ena variabeln faktiskt orsakar förändringen i den andra. Ett orsakssamband ger oftast en korrelation, men en korrelation räcker aldrig ensam som bevis för ett orsakssamband.
Ett klassiskt exempel: glassförsäljning och drunkningsolyckor ökar samtidigt på sommaren. Sambandet är starkt, men glassen orsakar inte drunkningarna. Båda styrs av värmen, som får fler att köpa glass och fler att bada.
Vad är korrelation?
Korrelation beskriver riktningen och styrkan i ett samband mellan två variabler. Sambandet visas ofta i ett spridningsdiagram, där varje punkt är en observation med ett x-värde och ett y-värde.
- Positiv korrelation: när den ena variabeln ökar tenderar den andra att öka. Punkterna i diagrammet samlas kring en rät linje med positiv lutning.
- Negativ korrelation: när den ena variabeln ökar tenderar den andra att minska. Punkterna ligger kring en rät linje med negativ lutning.
- Ingen korrelation: punkterna bildar inget mönster i diagrammet.
Styrkan mäts med korrelationskoefficienten r, som alltid ligger mellan -1 och 1. Värdet r = 1 betyder perfekt positiv korrelation, r = -1 perfekt negativ korrelation och r = 0 att det inte finns något linjärt samband. Ligger punkterna tätt kring linjen är det en stark positiv eller stark negativ korrelation. Är de utspridda men visar en viss riktning är det en svag korrelation. Hur koefficienten räknas ut steg för steg går vår guide om korrelation och Pearsons r igenom.
Vad är kausalitet och orsakssamband?
Kausalitet betyder att en förändring i den ena variabeln leder till en förändring i den andra. Det är alltså ett påstående om orsak och verkan, inte bara om att två saker följs åt. Ett kausalt samband finns till exempel mellan ett tågs hastighet och dess bromssträcka: högre hastighet ger längre bromssträcka, och det beror på fysiken, inte på någon annan faktor.
För att kunna säga att sambandet är kausalt måste andra förklaringar uteslutas. Det är svårt när den verkliga orsaken är okänd.
Varför får korrelation och kausalitet inte blandas ihop?
Det finns fyra vanliga förklaringar till att två variabler korrelerar utan att den ena orsakar den andra.
En tredje variabel påverkar båda
En tredje faktor kan styra båda variablerna. Bland personer som köper stora skor finns fler duktiga basketspelare, men skorna gör ingen bättre på basket. Kroppslängden påverkar både skostorleken och chansen att lyckas i sporten. En sådan dold variabel kallas ofta störfaktor, och sambandet den skapar kallas skenkorrelation.
Orsaken går åt andra hållet
Även när det finns ett orsakssamband kan riktningen vara fel tolkad. Ett land med stränga straff kan ha hög brottslighet, men det behöver inte betyda att straffen orsakar brotten. Det kan lika gärna vara den höga brottsligheten som har lett till strängare straff.
Urvalet är inte slumpmässigt
Om många som följer en viss diet är överviktiga är det lätt att tro att dieten inte fungerar. Men det är just personer med övervikt som har skäl att börja med dieten, så urvalet förklarar sambandet.
Slumpen
Med tillräckligt många variabler hittar man alltid några som råkar följas åt. Ett sådant samband försvinner ofta när man samlar in nya data. Samma tankefel ligger bakom spelarens felslut, där mönster tolkas in i rena slumputfall.
Exempel på korrelation utan kausalitet
| Samband | Typ | Trolig förklaring |
|---|---|---|
| Glassförsäljning och drunkningar | Positiv korrelation | Varmt väder påverkar båda |
| Skostorlek och basketförmåga | Positiv korrelation | Kroppslängd är tredje variabel |
| Ålder och en viss sjukdom | Stark positiv korrelation | Levnadsvanor och andra sjukdomar kan bidra |
| Studietimmar och provresultat | Positiv korrelation | Troligen delvis kausalt, men motivation påverkar båda |
| Diet och övervikt | Positiv korrelation | Urvalet: överviktiga väljer dieten |
Exemplet med elever och studietid visar att gränsen inte alltid är skarp. Det är rimligt att mer plugg ger bättre resultat, men elever som pluggar mycket kan också vara mer motiverade, och motivationen påverkar resultatet i sig.
Hur visar man att ett samband är kausalt?
Forskare använder flera metoder för att gå från korrelation till kausalitet:
- Kontrollerade försök. Deltagarna slumpas till en grupp som får behandlingen och en som inte får den. Slumpningen gör grupperna lika i allt annat, så en skillnad i utfallet kan kopplas till behandlingen.
- Regressionsanalys. När försök inte går att göra kan man i en regressionsanalys räkna bort kända störfaktorer, till exempel ålder och inkomst. Okända faktorer finns dock kvar.
- Tidsordning. Orsaken måste komma före verkan.
- En mekanism. Det ska finnas en rimlig förklaring till hur den ena variabeln påverkar den andra.
- Upprepning. Sambandet ska hålla i nya data och i andra grupper. Hur säker en skattning är beskrivs med ett konfidensintervall.
Rökning och lungcancer är fallet som brukar nämnas. Sambandet syntes i statistiken långt innan orsakssambandet var bevisat. Det krävdes många studier av olika slag under lång tid innan forskarna kunde utesluta andra förklaringar.
Vanliga misstag: så förstår du ett samband rätt
- Att läsa en stark korrelation som bevis. Även r nära 1 säger inget om orsaken.
- Att glömma riktningen. Fråga alltid om det kan vara tvärtom.
- Att tro att ingen korrelation betyder inget samband. Korrelationskoefficienten mäter bara linjärt samband. En kurva i diagrammet kan ge r nära noll trots tydligt beroende.
- Att bortse från urvalet. Vilka som ingår i data påverkar sambandet.
En snabb checklista när du möter ett påstående om att X orsakar Y: finns det en tredje variabel som kan styra båda, kan riktningen vara omvänd, är urvalet slumpmässigt och har resultatet upprepats? Först när alla fyra frågorna har ett bra svar är det rimligt att tala om kausalitet.