Khóa học
Nhập môn Thống kê
4 giờ
164K
Là một phần của Tháng Khai sáng Dữ liệu, loạt bài này sẽ làm rõ các khái niệm then chốt trong thế giới dữ liệu, giải đáp những câu hỏi bạn có thể ngại hỏi và vẫn giữ được sự thú vị. Nếu muốn bắt đầu từ đầu, hãy đọc bài đầu tiên trong series: Dataset là gì?
Bạn đã từng nghe cụm từ "tương quan không hàm ý nhân quả" chưa? Đây là cạm bẫy phổ biến khiến cả người yêu dữ liệu lẫn chuyên gia đều có thể vấp phải. Trong bài viết này, chúng tôi sẽ khám phá sự khác biệt cốt lõi giữa tương quan và nhân quả, lật tẩy một số lầm tưởng và chia sẻ các ví dụ thực tế để giúp bạn tránh một trong những lỗi lớn nhất khi diễn giải dữ liệu.
Tương quan là gì?
Tương quan là thước đo mối quan hệ giữa hai đại lượng. Nghĩa là khi một đại lượng tăng, đại lượng kia có tăng hay giảm không? Biểu đồ phân tán dưới đây cho thấy dữ liệu từ Khảo sát Cộng đồng Hoa Kỳ năm 2017. Trên trục x là thu nhập trung bình hằng năm của từng bang tại Mỹ, và trên trục y là tiền thuê nhà trung bình hằng tháng của các bang đó. Khi thu nhập tăng, khoản chi cho thuê nhà cũng tăng.
Thu nhập hằng năm so với tiền thuê nhà trung bình hằng tháng (USD)
Nếu một đại lượng tăng khi đại lượng kia tăng—như trong trường hợp này—chúng được gọi là có tương quan dương. Nếu một đại lượng giảm khi đại lượng kia tăng, chúng có tương quan âm.
Trong thống kê và khoa học dữ liệu, khái niệm tương quan được định nghĩa chặt chẽ hơn, ám chỉ sức mạnh của mối quan hệ tuyến tính giữa hai đại lượng. Ở biến thể biểu đồ phân tán dưới đây, một đường thẳng đã được khớp qua dữ liệu. Đường này bám khá sát các điểm, cho thấy mối quan hệ tuyến tính giữa thu nhập và tiền thuê.
Một đường khớp giữa hai biến, cho thấy mối quan hệ dương giữa cả hai
Ngược lại, trong ví dụ dưới đây, dùng bộ dữ liệu kinh điển diamonds, nếu ta vẽ giá kim cương theo khối lượng (carat) và vẽ đường phù hợp nhất, bạn sẽ thấy đường cong hướng lên. Tức là giá tăng nhanh hơn tuyến tính.
Tương quan sẽ nắm bắt mối quan hệ dương giữa hai đại lượng—khi khối lượng tăng, giá cũng tăng—nhưng không phản ánh được khía cạnh phi tuyến của mối quan hệ đó.
Nhân quả là gì?
Nhân quả là một khẳng định mạnh hơn tương quan. Nó có nghĩa là sự thay đổi ở một đại lượng gây ra sự thay đổi ở đại lượng khác. Bạn thấy nhiều ví dụ về nhân quả trong các khuyến nghị y khoa, chẳng hạn như "hút thuốc gây ung thư" hoặc "uống ibuprofen làm giảm mức độ đau".
Bạn cũng có thể thấy nhiều ví dụ về nhân quả trong đời sống hằng ngày. Ăn uống lành mạnh dẫn đến kết quả sống tốt hơn, tập luyện giúp bạn khỏe và cân đối hơn, và học trên DataCamp giúp bạn biết nhiều hơn về dữ liệu.
Ngụy biện Tương quan - Nhân quả
Ngụy biện tương quan - nhân quả xảy ra khi người ta suy đoán mối quan hệ nhân - quả chỉ dựa trên tương quan. Trong ví dụ về thu nhập và tiền thuê, dữ liệu cho thấy tiền thuê nhà có tương quan dương với thu nhập. Tuy nhiên, kinh tế học rất phức tạp và dữ liệu đó không đủ để đưa ra khẳng định táo bạo hơn rằng thu nhập cao hơn gây ra tiền thuê nhà cao hơn.
Ngụy biện này phổ biến trong hầu hết các xã hội vì mọi người làm tiếp thị đều muốn bạn tin rằng mua sản phẩm của họ sẽ khiến cuộc sống của bạn tốt hơn, mà không dành thời gian triển khai một thí nghiệm khoa học nghiêm ngặt để kiểm chứng. Ý tưởng này được đẩy tới tận cùng trong bản nhạc pop thập niên 1990 của The Tamperer If you Buy This Record (Your Life Will Be Better). Tương quan có thể xuất hiện trong ba trường hợp chính, nhưng không có nhân quả.
Mối quan hệ ngẫu nhiên
Nếu có đủ dữ liệu, hai đại lượng hoàn toàn không liên quan vẫn có thể cho thấy tương quan. Ví dụ dưới đây lấy từ trang web xuất sắc Spurious Correlations của Tyler Vigen. Biểu đồ đường cho thấy tỷ lệ ly hôn ở bang Maine (Mỹ) có tương quan cao với mức tiêu thụ bơ thực vật bình quân đầu người.
Sẽ thật vô lý khi nghĩ rằng ăn nhiều hay ít bơ thực vật có thể ảnh hưởng đến tỷ lệ ly hôn trên toàn bang, vì vậy chúng ta không thể khẳng định quan hệ nhân quả. Tương quan ở đây chỉ là ngẫu nhiên.
Ngay cả nhà đầu tư cũng không miễn nhiễm với ngụy biện này. Chỉ báo Super Bowl cho rằng thị trường chứng khoán sẽ tăng nếu một đội thuộc National Football Conference thắng giải Super Bowl. Nếu đội thuộc American Football Conference thắng, thị trường sẽ giảm.
Biến gây nhiễu
Tương quan có thể xuất hiện khi có một đại lượng thứ ba ("biến gây nhiễu") ảnh hưởng cả nguyên nhân lẫn kết quả được giả định.
Một ví dụ kinh điển là cháy nắng có tương quan với doanh số kem. Sẽ thật ngớ ngẩn nếu nói rằng ăn kem gây tăng cháy nắng. Lời giải thích hợp lý hơn là trong thời tiết nóng, nắng, mọi người có xu hướng ăn kem nhiều hơn, đồng thời cũng có xu hướng tắm nắng nhiều hơn. Vì vậy, thời tiết là biến gây nhiễu.
Năm 2001, một bài báo khoa học ghi nhận rằng những người ăn nhiều rau và dầu ô liu có làn da ít nếp nhăn hơn. Đó là một quan sát hợp lệ, nhưng Ben Goldacre trong một bài TED talk lưu ý rằng các chuyên gia dinh dưỡng đã vồ lấy kết quả này và bắt đầu tuyên bố rằng ăn dầu ô liu giúp bạn ít nếp nhăn hơn. Điều này bỏ qua ảnh hưởng của nhiều yếu tố gây nhiễu. Dầu ô liu đắt hơn so với nhiều loại dầu nấu ăn khác, nên nếu bạn đủ khả năng mua dầu ô liu, bạn có nhiều khả năng làm việc trong nhà với ít tiếp xúc nắng hơn và ít hút thuốc hơn. Chưa kể hàng trăm khác biệt về lối sống khác không được xem xét trong nghiên cứu.
Nhân quả đảo ngược
Nhân quả đảo ngược là khi người ta nhầm lẫn điều gì gây ra điều gì. Một ví dụ hài hước là khi tuabin gió quay nhanh hơn, bạn cũng đo được tốc độ gió lớn hơn, rồi kết luận rằng gió do tuabin quay tạo ra. Nghĩ kỹ một chút, bạn sẽ nhận ra chiều nhân quả phải ngược lại: gió khiến tuabin quay.
Hiểu hướng của quan hệ nhân quả là vấn đề phổ biến trong phân tích dữ liệu y khoa. Ví dụ, có tương quan dương giữa trầm cảm và việc sử dụng cần sa. Tức là, những người bị trầm cảm có khả năng hút cần sa cao hơn. Chẳng hạn, bài báo khoa học này phát hiện rằng năm 2016, những người bị trầm cảm có khả năng hút cần sa gần như hằng ngày cao hơn 216% so với người không bị trầm cảm.
Đã có nhiều tranh luận về việc cái gì gây ra cái gì. Hút cần sa gây trầm cảm, hay trầm cảm khiến bạn có nhiều khả năng hút cần sa hơn? Bài báo khoa học này gợi ý rằng quan hệ nhân quả có thể diễn ra theo cả hai chiều. Cũng có một số bằng chứng cho thấy sử dụng cần sa có thể dẫn đến khởi phát trầm cảm; tuy nhiên, có bằng chứng mạnh mẽ hơn ủng hộ mối liên hệ ngược lại, tức là trầm cảm có thể dẫn đến khởi phát hoặc tăng tần suất sử dụng cần sa.
Bạn cần gì để xác lập quan hệ nhân quả?
Xác định nhân quả khó hơn bạn tưởng. Để thiết lập nhân quả, bạn cần bốn yếu tố.
- Tương quan: Dù có tương quan giữa hai đại lượng không đảm bảo có nhân quả, nhưng đó là điều kiện cần. Nếu không có tương quan thì không có mối quan hệ nhân quả.
- Quan hệ thời gian: Bất cứ điều gì bạn cho là nguyên nhân của hiện tượng đang phân tích phải xảy ra trước điều bạn cho là kết quả.
- Cơ chế: Phải có lời giải thích về cách mà đại lượng thứ nhất có thể gây ra đại lượng thứ hai.
- Kiểm soát biến gây nhiễu: Ảnh hưởng của các biến gây nhiễu tiềm ẩn cần được kiểm soát bằng thiết kế thí nghiệm cẩn thận, thu thập dữ liệu và các phương pháp thống kê.
Nghiên cứu quan sát và nghiên cứu thực nghiệm
Khi khám phá mối quan hệ giữa các đại lượng, có hai loại nghiên cứu.
- Nghiên cứu quan sát thu thập dữ liệu theo cách không ảnh hưởng đến cách dữ liệu được tạo ra. Nghiên cứu về dầu ô liu được nhắc trước đó là ví dụ: nó ghi nhận chế độ ăn của mọi người, thay vì quy định rằng một số người phải nấu bằng dầu ô liu và những người khác thì không.
- Thí nghiệm phân ngẫu nhiên người tham gia vào các "can thiệp" khác nhau. Điều này phổ biến trong thử nghiệm thuốc, khi một số người dùng thuốc thật và những người khác dùng giả dược.
Nghiên cứu quan sát thường khiến việc xác định nhân quả trở nên rất khó hoặc bất khả. Tuy nhiên, các thí nghiệm (nếu được thiết kế và thực hiện đúng) cho phép xác định nhân quả. Bạn có thể đọc thêm về thí nghiệm trong bài tiếp theo của chúng tôi trong Data Demystified về thử nghiệm A/B.
Muốn học thêm?
Tóm lại, ngụy biện tương quan - nhân quả đã được nghiên cứu rộng rãi và là một trong những cạm bẫy lớn nhất bạn có thể gặp phải ở giai đoạn đầu hành trình nâng cao kỹ năng dữ liệu. Hãy ghi nhớ:
- Tương quan đo lường mối quan hệ giữa hai đại lượng.
- Bạn không phải lúc nào cũng suy ra được mối quan hệ nhân quả giữa các đại lượng này.
- Để xác định nhân quả, bạn cần tiến hành thí nghiệm.
Để nâng tầm kỹ năng, hãy học Introduction to Statistics và bắt đầu hành trình hiểu biết về dữ liệu của bạn. Bài kế tiếp trong series data demystified đi sâu hơn vào thử nghiệm, tập trung vào phương pháp gọi là A/B testing. Trong lúc chờ đợi, hãy xem thêm các tài nguyên sau:
Bạn có thể có nhân quả mà không có tương quan không?
Làm thế nào để phân biệt tương quan và nhân quả trong dữ liệu của tôi?
Tôi có thể dùng những phương pháp nào để kiểm định nhân quả?
Có thể hai thứ tương quan nhưng không có mối quan hệ trực tiếp không?
Tương quan ngụy là gì?
Chủ đề
