Korelasyon Nedensellik Değildir — Neden?

Korelasyon, iki değişken arasındaki ilişkinin gücünü ve yönünü ölçen istatistiksel bir kavramdır — bir değişken arttığında diğeri de artıyorsa (pozitif korelasyon) ya da bir değişken artarken diğeri azalıyorsa (negatif korelasyon), bu iki değişken arasında bir korelasyon olduğu söylenir. Korelasyon katsayısı, genellikle -1 ile +1 arasında bir değer alır.

Bu tanım, korelasyonun sadece iki değişkenin "birlikte hareket etme eğilimini" ölçtüğünü, birinin diğerinin nedeni olduğunu göstermediğini vurgular — bu ayrım, istatistikte belki de en sık yapılan ve en önemli yanılgılardan birinin kaynağıdır.

İstatistikte sıklıkla verilen bir örnek, dondurma satışları ile boğulma vakaları arasındaki güçlü pozitif korelasyondur — dondurma satışları arttığında, boğulma vakaları da artma eğilimindedir. Bu veriye yüzeysel bakan biri, "dondurma yemek boğulmaya neden oluyor" gibi saçma bir sonuca varabilir.

Gerçek açıklama çok daha basittir: sıcak yaz aylarında hem dondurma satışları artar hem de insanlar daha fazla yüzmeye gider (bu da boğulma riskini artırır). Burada "sıcak hava/yaz mevsimi", her iki değişkeni de etkileyen, ama doğrudan ölçülmeyen bir "gizli değişken" (confounding variable) rolü oynar.

Gizli değişkenler, iki gözlemlenen değişkenin her ikisini de etkileyen, ama analize dahil edilmemiş üçüncü bir faktördür — bu, iki değişken arasında sahte (yanıltıcı) bir korelasyon yaratabilir, oysa gerçekte aralarında doğrudan bir neden-sonuç ilişkisi yoktur.

Bu tuzak, özellikle karmaşık sosyal ve sağlık verilerinde yaygındır — örneğin belirli bir yaşam tarzı alışkanlığı ile bir sağlık sonucu arasında korelasyon bulunduğunda, bu ilişkinin gerçek nedensellik mi yoksa her ikisini de etkileyen bir gizli faktör (örneğin sosyoekonomik durum) mü olduğunu ayırt etmek, dikkatli bir analiz gerektirir.

Gerçek bir neden-sonuç ilişkisini güvenilir şekilde belirlemek için, bilim insanları genellikle kontrollü deneylere başvurur — bu deneylerde, katılımcılar rastgele iki gruba ayrılır (biri "müdahale" alır, diğeri almaz), ve diğer tüm faktörler mümkün olduğunca sabit tutulur. Bu rastgele atama, gizli değişkenlerin iki grup arasında dengeli dağılmasını sağlayarak, gözlemlenen farkın gerçekten müdahaleden kaynaklandığı sonucuna daha güvenle varılmasını mümkün kılar.

Bu nedenle, sadece gözlemsel verilerden elde edilen bir korelasyonun ("X ile Y ilişkilidir" tarzı bir bulgu), kontrollü bir deneyle desteklenmeden "X, Y'ye neden olur" şeklinde yorumlanması, bilimsel olarak temkinli yaklaşılması gereken bir adımdır — bu ayrımı bilmek, hem bilimsel araştırmaları hem de günlük hayatta karşılaşılan istatistiksel iddiaları daha eleştirel değerlendirmeyi sağlar.

İki değişken arasındaki korelasyon katsayısını hesaplamak için Korelasyon Katsayısı Hesaplama aracımızı kullanarak kendi hesaplamanızı yapabilirsiniz.