11 · Prawa i prawdy · 3 min czytania · aktualizacja
Dlaczego korelacja nie oznacza przyczynowości?
W skrócie
Dwie zmienne mogą iść w parze, bo łączy je wspólna przyczyna, odwrotny kierunek wpływu, selekcja albo przypadek. Jak to rozpoznać i co z tym zrobić.
Co to jest
To, że dwie zmienne zmieniają się razem, nie oznacza, że jedna powoduje drugą. Zasada jest stara jak statystyka, ale jej nowoczesne ujęcie — kiedy i jak z danych można jednak wnioskować o przyczynach — dał Judea Pearl, m.in. w książce „Causality” (2000, wyd. 2 2009). Wcześniej Hans Reichenbach (1956) sformułował zasadę wspólnej przyczyny: jeśli A i B są skorelowane, to albo A wpływa na B, albo B na A, albo obie mają wspólną przyczynę.
Klasyczny przykład: w miesiącach, gdy sprzedaje się więcej lodów, jest więcej utonięć. Lody nie topią ludzi — obie liczby rosną latem. W 2012 roku w „New England Journal of Medicine” ukazała się żartobliwa notka pokazująca korelację między spożyciem czekolady w kraju a liczbą noblistów na mieszkańca.
Modele uczenia maszynowego są maszynami do znajdowania korelacji. To ich siła przy przewidywaniu i słabość, gdy ktoś chce na ich podstawie decydować, co zmienić w świecie.
Mechanizm — dlaczego tak działa
Korelacja między A i B może powstać na kilka sposobów, a tylko jeden z nich to „A powoduje B”:
- Wspólna przyczyna (zmienna zakłócająca): C wpływa na A i na B. Pogoda na lody i kąpiele, zamożność kraju na czekoladę i naukę.
- Odwrotny kierunek: B powoduje A. Szpitale mają wysoki odsetek zgonów nie dlatego, że zabijają, tylko dlatego, że trafiają tam ciężko chorzy.
- Selekcja: patrzymy tylko na próbkę wybraną na podstawie A i B (paradoks Berksona, błąd przeżywalności).
- Przypadek: przy tysiącach przeszukanych par zmiennych część będzie skorelowana przez czysty traf.
Korelacja jest symetryczna: corr(A, B) = corr(B, A). Przyczynowość nie. Dlatego sama tabela danych obserwacyjnych nie wystarcza — potrzebna jest dodatkowa wiedza o tym, jak dane powstały. Pearl ujmuje to jako różnicę między P(B | widzę A) a P(B | ustawiam A), zapisywaną jako P(B | do(A)).
Najprostszy sposób na przyczynowość to eksperyment z losowym przydziałem (np. test A/B): losowanie przerywa wszystkie wspólne przyczyny, bo nic poza monetą nie decyduje o tym, kto dostaje interwencję. Bez eksperymentu można próbować kontrolować zmienne zakłócające, ale tylko te, o których wiesz i które zmierzyłeś.
Na przykładzie
Titanic: pasażerowie podróżujący samotnie przeżyli w 30,4% przypadków, a podróżujący z rodziną — w 50,6% (korelacja −0,20). Kusi wniosek: „rodzina ratuje życie”. Ale samotnie podróżowało 76,4% dorosłych mężczyzn i tylko 35,9% kobiet i dzieci, a o przeżyciu decydowała przede wszystkim zasada „kobiety i dzieci najpierw”. To płeć i wiek wpływały na oba: kto podróżował sam i kto dostał miejsce w łodzi.
Po podziale na grupy obraz się zmienia. Wśród kobiet i dzieci samotni przeżyli w 78,0%, a ci z rodziną w 68,3% — odwrotnie niż w całości. Wśród dorosłych mężczyzn: 15,6% wobec 18,9%, różnica niewielka. „Efekt samotności” był w dużej mierze efektem tego, kim byli samotni pasażerowie.
Dane: Titanic
W praktyce
- Ważność cechy w modelu (
feature_importances_,permutation_importance, SHAP) mówi, co pomaga przewidywać, nie co warto zmienić. - Gdy pytasz „co się stanie, jeśli zmienię X?”, planuj eksperyment z losowaniem (test A/B) zamiast analizy korelacji.
- W danych obserwacyjnych rozbijaj wyniki po potencjalnych zmiennych zakłócających:
df.groupby(['grupa', 'x'])['y'].mean(). - Narysuj graf przyczynowy; do formalnej analizy służą biblioteki takie jak
DoWhy. - Uważaj na wnioski z przeszukiwania wielu par cech — część korelacji to przypadek (problem wielokrotnych porównań).
Najczęstsze pytania
- Czy z korelacji nigdy nie wynika przyczynowość?
- Sama korelacja nie wystarcza, ale bywa wskazówką. Razem z eksperymentem, wiedzą o mechanizmie albo metodami wnioskowania przyczynowego (kontrola zmiennych zakłócających, zmienne instrumentalne) można ustalić związek przyczynowy.
- Czy model ML może odkryć przyczyny?
- Zwykły model predykcyjny nie. Uczy się każdej użytecznej korelacji, również tej wynikającej ze wspólnej przyczyny lub odwrotnego kierunku. Do pytań przyczynowych potrzebne są eksperymenty lub metody wnioskowania przyczynowego.
- Co to jest zmienna zakłócająca?
- To zmienna, która wpływa jednocześnie na badaną przyczynę i na skutek, tworząc między nimi korelację. W przykładzie z Titanica były to płeć i wiek.
Źródła
- Judea Pearl, „Causality: Models, Reasoning, and Inference”, 2nd ed., Cambridge University Press, 2009.
- Hans Reichenbach, „The Direction of Time”, University of California Press, 1956.
- Miguel A. Hernán, James M. Robins, „Causal Inference: What If”, Chapman & Hall/CRC, 2020.
- Franz H. Messerli, „Chocolate Consumption, Cognitive Function, and Nobel Laureates”, New England Journal of Medicine 367(16), 2012, s. 1562–1564.