Korelasyon nedensellik midir?

Bu derste istatistiğin en önemli yorumlama kuralını ele alıyoruz: iki değişken birlikte hareket ediyorsa, bu biri diğerine neden oluyor anlamına mı gelir? Sorunun yanıtını üç klasik tuzak üzerinden, günlük hayattan örneklerle adım adım inceliyoruz. Temel kavramları tazelemek için Korelasyon nedir? dersimize bakabilir, tüm konu anlatımlarına İstatistik dersleri sayfasından ulaşabilirsin.

Korelasyon nedensellik midir?

Hayır, korelasyon nedensellik değildir. İki değişken arasında korelasyon bulunması, yalnızca bu değişkenlerin birlikte değiştiğini, yani aralarında istatistiksel bir ilişki olduğunu gösterir; bu ilişkinin neden kaynaklandığını söylemez. İstatistikte bu kural, 'korelasyon nedensellik gerektirmez' (correlation does not imply causation) ilkesiyle özetlenir.

Korelasyonun gücünü ve yönünü ölçen araç korelasyon katsayısıdır; ilişkinin artış yönünde mi azalış yönünde mi olduğunu ise pozitif ve negatif korelasyon dersi inceler. Ancak bu iki özellik de ilişkinin nedeni hakkında hiçbir bilgi taşımaz: korelasyon katsayısı hangi değişkenin hangisine neden olduğunu ayırt edemez; hatta A ile B arasındaki korelasyon ile B ile A arasındaki korelasyon bile aynı değeri verir. Nedensellik ise yönlüdür; sebep ile sonucun yeri değiştirilemez.

Korelasyon neden nedensellik göstermez? Üç klasik tuzak

Güçlü bir korelasyon gördüğümüzde, ilişkinin kaynağı çoğu zaman aşağıdaki üç yoldan biridir.

1. Üçüncü değişken etkisi (gizli neden)

Hem bir değişkeni hem de diğerini etkileyen ama veride görünmeyen bir değişken, ilişkiyi aslında o yaratıyor olabilir. Klasik örnek: Yaz aylarında dondurma tüketimi ile boğulma vakaları arasında güçlü pozitif korelasyon bulunur. Dondurma yemek boğulmaya neden olmaz; ikisini birlikte artıran asıl değişken yaz sıcağıdır. Veride yer almadığı için gözden kaçan bu tür değişkenlere gizli (üçüncü) değişken denir.

2. Ters nedensellik (yön karışıklığı)

İlişki gerçekten nedensel olabilir ama yönü ters tahmin edilir. Örneğin rüzgâr değirmeninin dönüş hızı ile rüzgârın hızı arasında güçlü bir korelasyon vardır; fakat değirmenin dönmesi rüzgârı yaratmaz, rüzgâr değirmeni döndürür. Benzer biçimde, 'büyük hastanelerde daha çok hasta vardır' gözlemi, hastanelerin hastalığa neden olduğu anlamına gelmez; ilişkinin yönünü sorgulamadan yorumlamak bu tuzağa düşürür.

3. Rastlantısal (anlamsız) korelasyon

Yeterince değişken ve yeterince az veri olduğunda, şans eseri çok yüksek korelasyonlar bulunabilir. Ünlü bir örnekte, bir ülkedeki kişi başına peynir tüketimi ile verilen doktora derecesi sayısı arasında neredeyse mükemmel bir korelasyon rapor edilmiştir; aralarında ortak bir neden yoktur ve ilişki tamamen rastlantısaldır. Bu tür ilişkilere sahte (spurious) korelasyon denir.

Nedensellik nasıl desteklenir?

Korelasyon tek başına kanıt değildir; nedensel bir iddianın güçlenebilmesi için aşağıdaki koşullar aranır:

1. Zaman sıralaması: Nedenin, sonuçtan önce gerçekleşmesi gerekir.
2. Makul bir mekanizma: Bir değişkenin diğerini hangi yolla etkilediğinin kuramsal olarak açıklanabilmesi.
3. Üçüncü değişkenlerin kontrolü: Gizli değişkenler istatistiksel olarak denetlendiğinde ilişki hâlâ devam ediyor mu?
4. Deney: Araştırmacının değişkeni kontrol ettiği, rastgele atamalı deneyler en güçlü nedensellik kanıtıdır.
5. Tekrarlanabilirlik: Aynı ilişkinin farklı örneklemlerde ve farklı zamanlarda da görülmesi.

İlişkinin şans eseri ortaya çıkıp çıkmadığını sınamanın istatistiksel yolu, sıfır hipotezi testidir: 'iki değişken arasındaki korelasyon sıfırdır' varsayımı veriyle çürütülüyorsa, ilişkinin rastlantıdan kaynaklanma olasılığı düşmüş sayılır. Ama dikkat: anlamlı çıkan bir korelasyon bile hâlâ yalnızca ilişki kanıtlar, neden-sonuç ilişkisi değil.

Regresyon modelleri nedenselliği kanıtlar mı?

Hayır. Doğrusal regresyon ile bir regresyon denklemi kurmak, bağımsız değişkenin bağımlı değişkenle olan ilişkisini özetler; ancak bu özet de korelasyon temellidir. Denklem veriye ne kadar iyi uyum sağlasa bile — örneğin R-kare değeri 0,90 gibi yüksek bir seviyede olsa bile — üçüncü değişken, ters yön ve rastlantı tuzakları geçerliliğini korur. Çünkü hangi değişkenin neden (bağımsız), hangisinin sonuç (bağımlı) olduğunu model değil, sen belirlersin; nedensellik iddiası analize senin varsayımın olarak girer, model bu seçimi doğrulamaz.

Sık yapılan hatalar ve yanılgılar

• Güçlü bir korelasyon katsayısı görüldüğünde hemen 'bu değişken şuna neden oluyor' sonucuna varmak.
• Korelasyonun simetrik olduğunu unutmak: korelasyon katsayısı yön göstermez, nedensellik ise yönlüdür.
• İstatistiksel olarak anlamlı çıkan her ilişkiyi gerçek ve önemli sanmak; küçük örneklemlerde şans eseri de anlamlılık çıkabilir.
• Eldeki iki değişkenle yetinip üçüncü değişken olasılığını hiç düşünmemek.
• Yüksek R-kareli bir regresyon modelini nedensellik kanıtı gibi sunmak.
• Haberlerde geçen 'araştırmalar X'in Y'ye neden olduğunu gösterdi' cümlelerini sorgusuz kabul etmek; bu tür çalışmaların çoğu gözlemseldir ve yalnızca korelasyon bildirir.

Özet

Korelasyon, iki değişkenin birlikte değiştiğini gösteren güçlü bir ipucudur ama neden-sonuç ilişkisi değildir. İlişkinin kaynağı üçüncü bir değişken, ters bir yön ya da saf rastlantı olabilir. Nedensel sonuç ancak zaman sıralaması, makul mekanizma, üçüncü değişken kontrolü ve özellikle deney gibi ek kanıtlarla desteklenebilir.