Sık duyduğumuz bir söz vardır. Korelasyon, nedensellik anlamına gelmez. Yani iki değişken arasında bir örüntü oluşması birinin sebep diğerinin sonuç olduğu ve birinin diğerine neden olduğu anlamına gelmez. Peki ama bu söz tam olarak bize ne anlatmak istiyor?
.
Basit bir örnek üzerinden gidelim. Bazen evde bazen de sokakta baktığınız bir kediniz olduğunu varsayalım. Bir gün kapıyı açtığınızda kedinizin ıslak olduğunu görürseniz muhtemelen yağmur yağıyor demektir. Çünkü bunun alternatifi kedinizin bir su birikintisine düşmüş olmasıdır ve bu daha az olasıdır.
Burada bir korelasyon örneğiyle karşı karşıyayız. Yağmur ve kedilerin ıslanması olayları birbiriyle ilişkilidir, yani birlikte gerçekleşme eğilimindedir. Bu aynı zamanda bir nedensellik örneğidir. Sonucunda yağmur, başıboş dolaşan kedilerin ıslanmasına neden olur. Bu örnekte korelasyon nedensellikten kaynaklanmaktadır.
Korelasyon Ve Nedensellik İlişkisi Bazen Karmaşıklaşır
Ancak bu her zaman böyle değildir. Dışarıdaki kediler ıslandığında, etrafta şemsiyelerle dolaşan insanları da görmeniz de muhtemeldir. Islak kediler ve şemsiye taşımak birbiriyle ilişkili olaylardır. Ancak ne ıslak kediler insanların şemsiye taşımasına neden olur, ne de şemsiyeler kedilerin ıslanmasına neden olur.
Bu durumda korelasyon nedenselliği göstermez. Bunun yerine, her ikisine de neden olan üçüncü bir olgu, yağmur var. Ancak ne yazık ki insanlar genellikle olası ‘üçüncü faktörleri’ fark edemezler.
Bu örnekte korelasyon ve nedenselliğin mutlaka aynı şey olmadığı oldukça açıktır. Ancak bunun o kadar da belirgin olmadığı pek çok örnek var. Bu, ciddi etkileri olabilecek yanıltıcı sonuçlara yol açacaktır. İki nicelik eğer birlikte artıyor ve azalıyorsa (“pozitif korelasyon”) veya biri artarken diğeri azalıyorsa (veya tam tersi) bu niceliklerin birbiriyle ilişkili olduğu söylenir (“negatif korelasyon”).
İki konu ilişkili olduğunda da – örneğin işsizlik ve ruh sağlığı sorunları gibi– ‘bariz’ bir nedensellik görmek bize cazip gelecektir. Ancak iki niceliğin korelasyonlu olması, birinin diğerinin doğrudan değişmesine neden olduğu anlamına gelmez.
Şimdi iki ülke düşünelim. Bu ülkelerden birinde işsizlik oranı yüksek diğerinde ise düşük olsun. İşsizlik oranının yüksek olduğu ülkede akıl sağlığı oranı da yüksekse, işsizliğin akıl sağlığı sorunu ile ilişkili olduğu sonucuna varabilirsiniz.
Gerçekte ise akıl sağlığı sorununun ülkeler arasında farklılık göstermesinin başka nedenleri de olması olasıdır. Bu nedenle ikisinin ilişkili olduğuna karar vermek için çok daha derinlere inmeniz ve başka araştırmalar da yapmanız gerekecektir.
Korelasyon Ve Nedensellik İlişkisinin Yanlış Anlaşılması Önemli Bir İstatistik Hatasıdır
Hepimiz gördüklerimizden yola çıkarak sonuçlar çıkarıyoruz. Ancak iki olgu arasında bir korelasyon olması nedeniyle aralarında mutlaka bir neden/sonuç ilişkisinin bulunmadığını hatırlamamız bizim için önemlidir. Bazen bazı şeylerin tamamen şansa bağlı olduğunu hatırlamak da gereklidir.
Şimdi aşağıdaki istatistiğe bir göz atalım. Bu çalışma ABD’de kişi başına peynir tüketimi ile çarşaflara dolanarak ölen insan sayısı arasında belirgin bir korelasyon olduğunu bizlere gösteriyor. Bu türden bir korelasyonla karşılaştığında bir istatistikçinin yapacağı ilk şey, bunun istatistiksel olarak anlamlı olup olmadığına bakmaktır. İki olayın aynı anda gerçekleşmesinin ne kadar olası olduğunu hesaplamaktır. Ancak bu sayede çarşafa dolanarak ölme korkusu olmadan peynir yiyebilirsiniz.
Yalnızca korelasyon istatistiksel olarak anlamlı olduğunda, yani sadece bir rastlantı değilmiş gibi göründüğünde, bunun nereden gelebileceğini araştırmaya devam etmelisiniz. Bu arada bunun hala bir rastlantı olabileceğini ve olmayabileceğini aklınızda bulundurun.
Neden-sonuç ilişkisini kurmak için istatistiklerin ötesine geçmemiz ve ayrı kanıtlar (bilimsel veya tarihsel nitelikte) ve mantıksal akıl yürütmeler aramamız gerekir. Korelasyon bizi ilk etapta böyle kanıtlar aramaya yöneltebilir, ancak kendi başına bir kanıt değildir. İstatistik hatalarından kaçınmak için bu yazımıza da göz atabilirsiniz. İstatistik Bilgilerini Yanlış Yorumlamanın 7 Büyük Günahı ve Bunlardan Kaçınma Yolları
Kaynaklar ve ileri okumalar
- Maths in a minute: Correlation versus causation. Yayınlanma tarihi: 19 Ocak 2023. Kaynak Site: Plus Maths. Bağlantı: Maths in a minute: Correlation versus causation
- Clearing up confusion between correlation and causation. Kaynak site: Conversation. Yayınlanma tarihi: 22 Eyül 2014. Bağlantı: Clearing up confusion between correlation and causation.
- Bewick V, Cheek L, Ball J. Statistics review 7: Correlation and regression. Crit Care. 2003 Dec;7(6):451-9. doi: 10.1186/cc2401. Epub 2003 Nov 5. PMID: 14624685; PMCID: PMC374386.
Size Bir Mesajımız Var!
Matematiksel, 2015 yılından beri yayında olan ve Türkiye’de matematiğe karşı duyulan önyargıyı azaltmak ve ilgiyi arttırmak amacıyla kurulmuş bir platformdur. Sitemizde, öncelikli olarak matematik ile ilgili yazılar yer almaktadır. Ancak bilimin bütünsel yapısı itibari ile diğer bilim dalları ile ilgili konular da ilerleyen yıllarda sitemize dahil edilmiştir. Bu sitenin tek kazancı sizlere göstermek zorunda kaldığımız reklamlardır. Yüksek okunurluk düzeyine sahip bir web sitesi barındırmak ne yazık ki günümüzde oldukça masraflıdır. Bu konuda bizi anlayacağınızı umuyoruz. Ayrıca yazımızı paylaşarak da büyümemize destek olabilirsiniz. Matematik ile kalalım, bilim ile kalalım.
Matematiksel
