Korrelation vs. kausalitet

Naturvidenskabeligt grundforløb · STX · A-niveau · Databehandling

🔬 Korrelation vs. kausalitet

Korrelation = statistisk SAMVARIATION mellem 2 variabler. Når X stiger, stiger eller falder Y systematisk. Kausalitet = ÅRSAGSSAMMENHÆNG. X FORÅRSAGER Y.

HOVEDPRINCIP: korrelation IMPLICERER IKKE kausalitet ("Correlation does not imply causation"). En af videnskabens vigtigste lektioner.

Klassiske eksempler — falske korrelationer:

1.

Issalg + drukneulykker — begge stiger om sommeren. Issalg dræber IKKE folk; varmen er FÆLLES årsag (confounding variable).

2.

Skoindstørrelse + læseevne hos børn — store sko korrelerer med god læsning. Begge skyldes ALDER. Bedre fødder + bedre hjerne sammen.

3. Sokker + fodtype.

4. Antal kvaksalvere + kunst-pris.

5. Spurious correlations website (Tyler Vigen) viser absurde eksempler — fx Nicholas Cage-film + drukne-tilfælde.

Pearsons korrelations-koefficient (r): tal mellem -1 og +1.

• (a) r = +1: perfekt positiv korrelation.
• (b) r = 0: ingen lineær sammenhæng.
• (c) r = -1: perfekt negativ.
• (d) |r| > 0,7: stærk. |r| 0,3-0,7: moderat. |r| < 0,3: svag. r² = forklaringsgrad — hvor meget af Y's variation forklares af X.

Hvorfor korrelation ≠ kausalitet — alternative forklaringer: (1) Confounding variable (skjult fælles årsag): X + Y har FÆLLES årsag Z. Eksempel: rygning + lungekræft korrelerer pga. fælles GENETISKE faktorer? Eller fordi rygning forårsager kræft? Forskning har vist KAUSALT (rygning → kræft). (2) Reverse causality (omvendt årsagssammenhæng): Y forårsager X, i

Læringsmål

• Skelne korrelation og kausalitet præcist
• Identificere de fire mulige forklaringer på korrelation (A→B, B→A, C→AB, tilfælde)
• Forstå hvad der kræves for at etablere kausalitet (korrelation + tidsfølge + mekanisme + udelukkelse)
• Anerkende randomiserede kontrollerede forsøg som goldstandard
• Anvende kritisk tænkning på medieoverskrifter med kausal-påstande
• Skrive præcist om kausalitet vs. korrelation i egne opgaver

Sådan kan du arbejde med emnet

• Find et eksempel på to størrelser, der er korrelerede uden at have en årsagssammenhæng
• Forklar hvordan man kan undersøge, om en korrelation også er en kausal sammenhæng
• Diskutér hvorfor det er vigtigt at skelne mellem korrelation og kausalitet i naturvidenskabelige undersøgelser

Eksperiment-forslag

• Find tre eksempler på "spurious correlations" (Tyler Vigen-stil) og forklar for hver, hvilken confounding variable der kunne ligge bag.
• Diskutér issalg-og-drukneulykker-eksemplet: hvilken fælles årsag (confounder) forklarer korrelationen?
• Tag et datasæt fra et tidligere forsøg og beregn Pearsons r mellem to variabler — vurder om |r| antyder en stærk, moderat eller svag sammenhæng.

Brobygning

At vurdere om en sammenhæng er reel kræver konkrete tal — det leder til 'Beregning af gennemsnit og standardafvigelse'.