Кореляція та причинність: чому це не одне й те саме

«Кореляція не означає причинності» — це, мабуть, найважливіша фраза в усьому аналізі даних. Її легко процитувати, але значно важче памʼятати на практиці. Нерозуміння цієї різниці призводить до хибних висновків і поганих рішень.

Що таке кореляція

Кореляція — це статистична міра того, наскільки дві величини змінюються разом. Коефіцієнт кореляції набуває значень від -1 до +1.

Значення, близьке до +1, означає, що величини зростають разом.
Близьке до -1 — коли одна зростає, інша спадає.
Близьке до 0 — звʼязку між ними немає.

Кореляцію легко порахувати й побачити на діаграмі розсіювання. Саме в цьому й криється небезпека: побачивши сильний звʼязок, ми схильні одразу пояснювати його причинно-наслідково.

Що таке причинність

Причинність — це коли зміна однієї величини безпосередньо викликає зміну іншої. Це набагато сильніше твердження. Кореляція лише каже, що величини рухаються разом; причинність каже, що одна керує іншою.

Класичний приклад

Улітку різко зростають продажі морозива. Водночас зростає й кількість утоплень. Ці два показники сильно корелюють. Чи означає це, що морозиво спричиняє утоплення? Звісно, ні.

Причина в третьому чиннику — спекотній погоді. У спеку люди частіше купують морозиво й частіше йдуть купатися. Морозиво й утоплення повʼязані не між собою, а зі спільною прихованою причиною.

Прихована змінна

Такий третій чинник називають прихованою (конфаундинговою) змінною. Вона впливає одразу на обидві спостережувані величини, створюючи ілюзію звʼязку між ними. Значна частина хибних висновків в аналізі даних виникає саме через непомічені приховані змінні.

Чому кореляція може вводити в оману

Є кілька типових пасток. Звʼязок може бути чисто випадковим збігом, особливо якщо перебрати багато пар змінних. Причинність може діяти у зворотному напрямку, ніж здається. Нарешті, обидві величини можуть залежати від спільної прихованої причини, як у прикладі з морозивом.

Як встановити причинність

Надійний спосіб довести причинність — контрольований експеримент. Саме тому в науці й бізнесі використовують рандомізовані досліди та A/B-тести: випадковий розподіл учасників на групи прибирає вплив прихованих змінних. Коли експеримент неможливий, застосовують спеціальні методи причинного висновку, але вони складніші й вимагають обережних припущень.

Чому це важливо на практиці

Плутанина між кореляцією та причинністю коштує дорого. Компанія може вирішити, що певна дія збільшує продажі, вкластися в неї й не отримати результату, бо справжня причина була в іншому. Аналітик, який памʼятає про цю різницю, ставить критичне питання: «А що ще могло спричинити обидві ці зміни?»

Підсумок

Кореляція показує, що дві величини змінюються разом, але не пояснює чому. Причинність — значно сильніше твердження, і довести його зазвичай можна лише експериментом. Завжди підозрюйте наявність прихованих змінних і не поспішайте з причинно-наслідковими висновками. Це критичне мислення — одна з найцінніших навичок аналітика даних.