Rušný vztah - co to je, definice a koncept

Falešný vztah se týká vzhledu, ve kterém existuje kauzální vztah mezi proměnnými, když ve skutečnosti neexistuje.

Při mnoha příležitostech se zdá, že mezi proměnnými existují příčinné vztahy, i když ve skutečnosti žádné neexistují. K tomuto zjevnému vztahu může dojít náhodou. Existuje mnoho případů, kdy je korelační koeficient mezi proměnnými významný a neexistuje mezi nimi žádný kauzální vztah. To znamená, že zjevně jedna proměnná způsobuje druhou, i když s tím nemají nic společného.

Příklad falešného vztahu

Příkladem falešného vztahu může být vztah mezi výškou 12 až 18 letých dětí a znalostmi matematiky.

Jak děti stárnou, rostou. Jak děti také stárnou, postupují rokem tím, že se učí více matematiky a dokážou řešit složitější problémy. Předpokládejme, že shromažďujeme statistický vzorek dětí ve věku od 12 do 18 let.

Viděli jsme, že jak se jejich výška zvyšuje (jsou starší), jsou schopni řešit složitější matematické problémy, ale výška způsobuje, že tyto děti znají více matematiky? Zjevně ne. To je způsobeno třetí proměnnou zvanou „confounder“ nebo „skrytá proměnná“. V tomto případě je skrytou proměnnou intelektuální kapacita.

Jak děti stárnou, zvyšuje se jejich intelektuální kapacita a zvyšují se numerické dovednosti. Tyto děti jsou schopny řešit stále složitější problémy, které nebyly schopné, když byly mladší. Vzhledem k tomu, že jak stárnou a rozvíjejí své intelektuální schopnosti, rostou, mohlo by se zdát, že existuje kauzální vztah mezi výškou dětí a jejich matematickými dovednostmi. To je prostě náhoda, protože být vyšší nebo nižší neznamená, že můžeme mít větší matematické schopnosti. Jedna proměnná tedy druhou nezpůsobuje ani nevysvětluje.

Rozdíl mezi korelací a kauzalitou

V příkladech, jako je tento, je zavedena fráze „korelace neznamená příčinnou souvislost“. Podívejte se na rozdíl mezi korelací a kauzalitou.

Musíte být opatrní a používat logiku. Může se stát, že při reprezentování různých proměnných v grafech se může zdát, že spolu souvisejí. Realita je však taková, že čelíme falešným vztahům. Podle toho, jaký typ grafu použijeme, a měřítko, které použijeme, můžeme najít zjevně velmi přesvědčivé vztahy. Proto při hledání kauzálního vztahu mezi proměnnými nestačí grafické znázornění a jednoduché výpočty.