Correlatie en causaliteit zijn principes binnen het wetenschappelijk onderzoek die vaak op verkeerde wijze gebruikt en geïnterpreteerd worden. Niet alleen media en politici halen regelmatig correlaties uit onderzoek aan als direct bewijs voor hun eigen standpunten, maar ook wetenschappers verwarren beide begrippen regelmatig met elkaar. Soms doelbewust om het resultaat mooier te laten lijken dan dat het is. Zij gaan de fout in door te denken dat een samenhang tussen bepaalde factoren betekent dat er ook een oorzaak-gevolg relatie is. In dit artikel lichten wij toe wat het verschil is tussen een correlatie en een causaal verband en beschrijven wij hoe het komt dat er toch heel veel mensen zijn die dit onderscheid niet goed maken.
Samenvatting correlatie en causaliteit
Wat is een correlatie?
Een correlatie betekent dat er een verband is tussen twee factoren, maar het hoeft niet te betekenen dat er een oorzaak-gevolg relatie is (causaal verband). Soms is er zowel een correlatie als een causaal verband. Dit is bijvoorbeeld het geval als we kijken naar de correlatie tussen roken en de sterfte aan hart-en vaatziekten. Ondertussen is onomstotelijk bewezen dat de sterfte aan hart- en vaatziekten een direct gevolg is van (onder andere) roken.
Een tekstboek voorbeeld waarbij er wel een correlatie aanwezig is, maar waarbij er geen sprake van een causaal verband is: Als er meer ijsjes verkocht worden dan stijgt het aantal verdrinkingen.
Er zijn een aantal problemen met betrekking tot correlaties:
- Correlaties kunnen ook andersom gelden. Zo kan het zijn dat meer verdrinkingen leiden tot het eten van meer ijsjes (niet heel waarschijnlijk in dit geval).
- Er is een derde variabele die het verband kan verklaren (counfounding variabele). In het bovenstaande voorbeeld met het ijsje zou dit bijvoorbeeld de temperatuur kunnen zijn. Als het buiten mooi weer is zullen er meer ijsjes verkocht worden, maar tegelijkertijd zullen er door de hogere temperatuur meer mensen gaan zwemmen, wat tot een hoger aantal verdrinkingen zal leiden (afbeelding 1). In ons artikel over confounding kan je hier meer over lezen.
Afbeelding 1. Een correlatie betekent niet dat er altijd een oorzaak-gevolg relatie is.
Een correlatie is geen causaal verband. Waar gaat het mis?
Een beroemd (voor zover ik weet fictief) verhaal gaat als volgt:
“Tijdens een concert van U2 in Ierland neemt Bono de microfoon. “Elke keer dat ik in mijn handen klap, sterft er in Afrika iemand aan AIDS.” Vervolgens begint hij in zijn handen te klappen. Eerst is het publiek helemaal stil. Dan roept één van de bezoekers: “Stop dan met in je handen klappen.”
Dit is één van de vele voorbeelden waarop correlatie en causaliteit met elkaar verward kunnen worden. In dit voorbeeld zal het voor bijna iedereen duidelijk zijn dat het feit dat er in Afrika mensen aan AIDS sterven, niet het directe gevolg is van Bono die aan de andere kant van de wereld in zijn handen klapt. Wanneer Bono stopt, zullen er niet ineens minder mensen sterven. Stel dat er elke seconde één iemand overlijdt aan AIDS, en Bono elke seconde één keer in zijn hand klapt, dan is er een perfecte correlatie tussen de twee voorvallen zonder dat er een causaal verband is.
Toch gaat deze interpretatie vaak mis. Het menselijk brein is gebouwd om onbewust connecties te leggen tussen vele verschillende stukken informatie. Ons brein probeert vaak om patronen te vinden in willekeurige data, verbindt hier vervolgens een conclusie aan en gaat er dan (onterecht) vanuit dat er een relatie aanwezig is1. Daarom is het voor onderzoekers van cruciaal belang om deze neiging te onderdrukken om in staat te zijn om data objectief te evalueren. Toch gaat dit regelmatig mis.
Voor je eigen vermaak is het leuk om eens te kijken naar de volgende opvallende correlaties.
Afbeelding 2. Correlatie en confounding in leefstijlonderzoek
Correlaties in de media
Wanneer onderzoeksresultaten in de media gepubliceerd worden, zijn deze vaak op een misleidende manier geschreven. Want zeg nu zelf, welk van onderstaande twee krantenartikel zou je sneller lezen?
- “Het drinken van alcohol veroorzaakt een hartaanval.”
- “Mensen die meer alcohol drinken hebben gemiddeld een ongezondere levensstijl die er voor zorgt dat deze mensen meer risico lopen op een hartaanval.
Als je beide artikelen op een nieuwssite zou zetten dan is de kans groot dat het eerste artikel veel vaker aangeklikt wordt dan het tweede. Dit soort misleidende titels worden vaak gebruikt om meer aandracht te trekken, maar helaas komen de titels van dit soort nieuwsberichten vaak niet overeen met de conclusies van de onderzoeken waar ze op gebaseerd zijn. Zelfs in de rest van het nieuwsartikel nemen journalisten niet altijd de moeite om hun uitspraken te nuanceren, waardoor de lezers simpelweg foute informatie krijgen.
Hoe bewijs je wel een causaal verband?
Een manier om “confounding variabelen” uit te sluiten is door speciale statistische analyses toe te passen die kunnen corrigeren voor deze variabelen (een regressie analyse). Zo zou er bijvoorbeeld in het voorbeeld van het ijsje in deze ingewikkelde statistische analyse gecorrigeerd kunnen worden voor de temperatuur, waardoor onderzoekers kunnen ontdekken dat er geen causaal verband is tussen het eten van een ijsje en het aantal verdrinkingen. Echter, blijf je ook met deze analyse altijd met het andere probleem van de correlatie zitten: Welke richting gaat het verband op? Dat kan je op geen enkele manier uitsluiten.
De enige echt goede manier om een causaal verband aan te tonen is om een gerandomiseerde klinische studie te verrichten. Hierbij zorgen onderzoekers ervoor dat er maar één verschil zit tussen twee groepen mensen/patiënten: het type behandeling. Als ze dan een verschil vinden tussen de verschillende groepen patiënten, is dit altijd het gevolg van een verschil in behandeling.
Conclusie
Het is belangrijk om je bewust te zijn van één van de meest gemaakte denkfouten in het wetenschappelijk onderzoek: het verschil tussen correlatie en causaliteit. Een correlatie geeft aan dat er een verband is tussen twee factoren, maar dit hoeft niet te betekenen dat er een oorzaak-gevolg relatie is. Om causaliteit te bewijzen is er meestal een speciaal type onderzoek nodig: Een gerandomiseerde klinische studie.
Lezing kritisch redeneren
Wil je meer leren over het beoordelen van wetenschappelijk onderzoek? Dan is onze lezing kritisch redeneren misschien wel iets voor jou! Klik op de button hieronder voor onze cursuspagina!
Gerelateerde artikelen
Bronnen
1. D.F. Batten. Changing our brains: Systemic causality in complex human systems. Proceedings of the 18th Conference on Behavior representation in modeling and simulation, Sundance, UT. 2009.
Pingback: Wat is de invloed van melk op de gezondheid van botten?
Pingback: Verlagen omega 3 supplementen het risico op een depressie? - Medicus Online
Pingback: Moeten we 10.000 stappen zetten voor een goede gezondheid? - Medicus Online
Pingback: Het opbouwen van sporten na Corona - Medicus Online