Corso
Introduzione alla statistica
4 ore
163.9K
Come parte del Mese dell'Educazione ai Dati, questa serie chiarirà i concetti chiave del mondo dei dati, risponderà alle domande che potresti aver paura di fare e si divertirà lungo il percorso. Se vuoi partire dall'inizio, leggi il nostro primo articolo della serie: Che cos'è un dataset?
Hai mai sentito dire "la correlazione non implica causalità"? È una trappola comune che inganna sia gli appassionati di dati sia i professionisti. In questo articolo esploreremo le differenze chiave tra correlazione e causalità, sfateremo alcuni miti e condivideremo esempi reali per aiutarti a evitare uno degli errori più grandi nell'interpretazione dei dati.
Cos'è la correlazione?
La correlazione è una misura della relazione tra due cose. Cioè: quando una cosa aumenta, l'altra aumenta o diminuisce? Il grafico a dispersione qui sotto mostra i dati dell'American Community Survey 2017. Sull'asse x vedi il reddito medio annuo per ciascuno dei cinquanta stati USA, e sull'asse y vedi l'affitto medio mensile in quegli stati. All'aumentare dei redditi, aumentano anche i canoni di locazione.
Reddito annuo rispetto all'affitto mensile medio (in USD)
Se una cosa aumenta quando aumenta anche l'altra—come in questo caso—si dice che sono positivamente correlate. Si dice invece che sono negativamente correlate se una diminuisce quando l'altra aumenta.
In statistica e data science, la correlazione è più precisa, e si riferisce all'intensità di una relazione lineare tra due cose. Nella variante del grafico a dispersione qui sotto, è stata tracciata una retta attraverso i dati. La retta segue abbastanza da vicino i punti, indicando una relazione lineare tra reddito e affitto.
Una retta adattata tra le due variabili, che indica una relazione positiva tra entrambe
Per contro, in questo esempio qui sotto, usando il classico dataset diamonds, se tracciamo il prezzo di un diamante rispetto al suo peso in carati e disegniamo la linea di miglior adattamento, si vede che la curva sale. Cioè, il prezzo cresce più velocemente che in modo lineare.
La correlazione catturerà la relazione positiva tra le due cose—all'aumentare del peso, aumenta il prezzo—ma non l'aspetto non lineare di quella relazione.
Cos'è la causalità?
La causalità è un'affermazione più forte della correlazione. Significa che i cambiamenti in una cosa causano cambiamenti in un'altra. Vedi molti esempi di causalità nei consigli medici, ad esempio "fumare causa il cancro" oppure "prendere l'ibuprofene riduce il dolore".
Puoi vedere molti esempi di causalità anche nella vita di tutti i giorni. Mangiare sano porta a migliori risultati in termini di stile di vita, allenarsi fa sì che tu sia più in forma e studiare su DataCamp ti fa conoscere meglio i dati.
La fallacia correlazione-causalità
La fallacia correlazione-causalità si verifica quando si presume un rapporto di causa-effetto semplicemente a partire da una correlazione. Nell'esempio di reddito e affitto, i dati mostravano che i canoni di locazione sono positivamente correlati al reddito. Tuttavia, l'economia è complessa e i dati non sono sufficienti per sostenere l'affermazione più audace che un reddito più alto causi canoni più alti.
La fallacia correlazione-causalità è diffusa in molte società, poiché chiunque lavori nel marketing vorrebbe farti credere che comprare il loro prodotto faccia migliorare la tua vita, senza prendersi il tempo di condurre un esperimento scientifico rigoroso per verificarlo. Questa idea è stata portata alla sua conclusione logica nella hit pop anni '90 dei The Tamperer If You Buy This Record (Your Life Will Be Better). Una correlazione può verificarsi in tre casi principali, ma la causalità no.
Relazione casuale
Con abbastanza dati, due cose completamente scollegate possono mostrare una correlazione. L'esempio seguente è tratto dall'eccellente sito di Tyler Vigen Spurious Correlations. Il grafico a linee mostra che il tasso di divorzi nello stato del Maine è altamente correlato al consumo pro capite di margarina.
Sarebbe assurdo pensare che mangiare più o meno margarina possa influenzare il tasso di divorzi a livello statale, quindi non possiamo affermare una causalità. La correlazione mostrata qui è puramente casuale.
Neppure gli investitori sono immuni da questa fallacia logica. Il Super Bowl Indicator suggerisce che il mercato azionario salirà se una squadra della National Football Conference vince il Super Bowl. Se vince una squadra dell'American Football Conference, scenderà.
Variabile confondente
Le correlazioni possono comparire quando una terza cosa (una "variabile confondente") influenza sia la presunta causa sia il presunto effetto.
Un esempio classico è che le scottature solari sono correlate alle vendite di gelati. Sarebbe sciocco dire che mangiare gelato provoca un aumento delle scottature. Una spiegazione più ragionevole è che con tempo caldo e soleggiato le persone sono più propense a mangiare gelato e anche a prendere il sole. Quindi il meteo è una variabile confondente.
Nel 2001 un articolo scientifico ha osservato che chi mangia molte verdure e olio d'oliva ha meno rughe. È un'osservazione valida, ma Ben Goldacre ha fatto notare in un TED talk che i nutrizionisti si sono buttati su questo risultato e hanno iniziato ad affermare che mangiare olio d'oliva fa avere meno rughe. Questo ignora l'effetto di diversi fattori confondenti. L'olio d'oliva è costoso rispetto ad altri oli da cucina, quindi se puoi permettertelo è più probabile che tu abbia un lavoro al chiuso con minore esposizione al sole e sia meno propenso a fumare. Per non parlare di una delle centinaia di altre differenze nello stile di vita non considerate nello studio.
Causalità inversa
La causalità inversa si verifica quando ci si confonde su cosa causa cosa. Un esempio sciocco è che quando le turbine eoliche girano più velocemente, si rileva anche una velocità del vento maggiore, quindi si conclude che il vento è causato dal girare delle turbine. Riflettendoci un attimo, dovresti renderti conto che la causalità va nell'altra direzione: è il vento che fa girare le turbine.
Capire la direzione della causalità è un problema comune nell'analisi dei dati medici. Ad esempio, esiste una correlazione positiva tra depressione e consumo di cannabis. Cioè, le persone depresse hanno maggiori probabilità di fumare cannabis. Per esempio, questo articolo scientifico ha riscontrato che nel 2016 le persone con depressione avevano probabilità più alte del 216% di fumare cannabis quasi quotidianamente rispetto a chi non era depresso.
C'è stato molto dibattito su cosa causi cosa. Fumare cannabis causa depressione, o avere la depressione rende più probabile fumare cannabis? Questo articolo scientifico suggerisce che la causalità possa verificarsi in entrambe le direzioni. Ci sono anche alcune evidenze che l'uso di cannabis possa portare all'insorgenza della depressione; tuttavia, prove solide puntano all'associazione inversa, cioè che la depressione possa portare all'insorgenza o all'aumento della frequenza d'uso di cannabis.
Di cosa hai bisogno per stabilire la causalità?
Determinare la causalità può essere più difficile di quanto si pensi. Per stabilire la causalità, ti servono quattro cose.
- Correlazione: sebbene avere una correlazione tra due cose non garantisca la causalità, è una condizione necessaria. Se non c'è correlazione, non c'è relazione causale.
- Una relazione temporale: qualunque cosa tu attribuisca come causa di ciò che stai analizzando deve avvenire prima di ciò che ritieni essere l'effetto.
- Un meccanismo: deve esserci una spiegazione di come la prima cosa causerebbe la seconda.
- Controllo delle variabili confondenti: l'effetto di possibili variabili confondenti va controllato tramite un attento disegno sperimentale, raccolta dati e metodi statistici.
Studi osservazionali ed esperimenti
Quando si esplorano le relazioni tra le cose, esistono due tipi di studi.
- Gli studi osservazionali raccolgono dati in modo da non influenzare come i dati vengono generati. Lo studio sull'olio d'oliva citato in precedenza è un esempio: ha registrato le diete delle persone, invece di prescrivere che alcuni dovessero cucinare con olio d'oliva e altri no.
- Gli esperimenti assegnano casualmente le persone a diversi "trattamenti". Questo è comune nella sperimentazione di farmaci, dove alcuni ricevono il farmaco reale e altri un placebo.
Gli studi osservazionali di solito rendono molto difficile o impossibile determinare la causalità. Tuttavia, gli esperimenti (se progettati e condotti correttamente) permettono di determinarla. Puoi leggere di più sugli esperimenti nel nostro prossimo articolo di Data Demystified sull'A/B testing.
Vuoi saperne di più?
In sintesi, la fallacia correlazione-causalità è stata ampiamente studiata ed è uno dei tranelli più grandi in cui si può cadere all'inizio del proprio percorso di crescita nelle competenze sui dati. Ecco cosa ricordare:
- La correlazione misura la relazione tra due cose.
- Non sempre puoi dedurre una relazione causale tra queste cose.
- Per determinare la causalità, devi eseguire un esperimento.
Per portare le tue competenze al livello successivo, segui Introduction to Statistics e inizia il tuo percorso di alfabetizzazione ai dati. Il prossimo articolo della serie Data Demystified approfondisce la sperimentazione, concentrandosi su una pratica chiamata A/B testing. Nel frattempo, dai un'occhiata a queste risorse:
Si può avere causalità senza correlazione?
Come distinguo tra correlazione e causalità nei miei dati?
Quali metodi posso usare per testare la causalità?
È possibile che due cose siano correlate ma non abbiano una relazione diretta?
Che cos'è una correlazione spurio?
Argomenti
