W tym tekście
Związek w danych jest początkiem pytania
Korelacja opisuje statystyczną zależność między zmiennymi. Australian Bureau of Statistics wyjaśnia, że sama taka zależność nie oznacza jeszcze, iż zmiana jednej zmiennej powoduje zmianę drugiej. Twierdzenie o przyczynie mówi więcej niż obserwacja, że dwa wyniki pojawiają się razem.
Czytając nagłówek, zwróć uwagę na czasownik. „Wiąże się z” i „powoduje” nie są wymiennymi sformułowaniami. Warto otworzyć opis badania i zobaczyć, którego z nich używają autorzy oraz jakie ograniczenia podają. Krótkie streszczenie w mediach może zgubić to rozróżnienie.
Wyobraź sobie wspólne tło dwóch zdarzeń
Rozważmy wymyślony przykład: w deszczowe dni częściej widzimy otwarte parasole i mokre chodniki. Ich współwystępowanie nie uzasadnia wniosku, że rozkładanie parasoli moczy nawierzchnię. W tym prostym modelu wspólnym tłem jest opad. Przykład ilustruje rozumowanie, nie przedstawia wyniku rzeczywistego badania.
W mniej oczywistej sytuacji warto zapytać, co jeszcze zmieniało się w tym samym czasie. Jeżeli po przestawieniu witryny sklepu wzrosła sprzedaż, sprawdzenia mogą wymagać również ceny, sezon i inne działania. Samo następstwo wydarzeń nie izoluje wpływu jednej decyzji.
Kształt wykresu też ma znaczenie
Podręcznik NIST pokazuje wykres rozrzutu jako narzędzie do oglądania związku między dwiema zmiennymi, jego kształtu i nietypowych obserwacji. Podkreśla również, że znalezienie zależności nie jest dowodem związku przyczynowego. Sam efektowny układ punktów nie wyjaśnia mechanizmu.
Sprawdź nazwy osi, jednostki, zakres i to, co oznacza pojedynczy punkt. Czy porównano osoby, miejscowości, czy kolejne miesiące? Nie przenoś automatycznie wniosku z jednego poziomu na drugi. Jeśli autor pokazuje tylko wycinek danych, poszukaj informacji, dlaczego wybrano właśnie ten zakres.
Zapytaj, jak przygotowano porównanie
ABS wskazuje znaczenie odpowiednio zaprojektowanych badań kontrolowanych dla badania przyczyn, a także rolę badań obserwacyjnych, gdy eksperyment jest niemożliwy lub nieetyczny. Nie oznacza to, że każdy eksperyment rozstrzyga wszystko ani że obserwacje są bezwartościowe. Znaczenie ma metoda i pozostałe dowody.
Dla czytelnika użyteczne pytania brzmią: z czym porównano wynik, co zmieniono celowo i co mogło różnić porównywane grupy? Nie trzeba samodzielnie liczyć statystyk, żeby zauważyć brak tych informacji. Jeśli opis ich nie podaje, można zachować ocenę jako otwartą zamiast dopowiadać metodę.
Zapisz wniosek w granicach danych
Spróbuj streścić materiał jednym zdaniem i dopisać, czego z niego nie wiadomo. Przykładowy zapis: „W opisanej grupie dwa wyniki były powiązane; z tego streszczenia nie wynika, który czynnik wywołał zmianę”. To ostrożny opis dostępnej informacji, a nie odrzucenie całego badania.
Hasło „korelacja to nie przyczynowość” nie powinno kończyć każdej rozmowy o wynikach. Może otwierać następne pytania: jakie są inne wyjaśnienia, czy badania się uzupełniają i co pozwalałoby rozróżnić możliwości? W ten sposób ciekawość prowadzi dalej niż bezwarunkowa wiara w nagłówek albo automatyczna nieufność.
Zgłoś błąd w artykule