Korrelasjon og kausalitet: når sammenheng ikke er årsak

«Studie viser at kaffedrikere lever lenger.» «Etter at kommunen bygde sykkelveger, ble innbyggerne sunnere.» Slike påstander møter du daglig i aviser og debatter. Felles for dem er at de ofte blander to begreper: korrelasjon og kausalitet. Feilslutningen er så vanlig at den har fått et eget navn – post hoc ergo propter hoc, «etter dette, altså på grunn av dette». Den regnes som en klassisk argumentasjonsfeil.

Hva er forskjellen på korrelasjon og kausalitet?

Korrelasjon er et statistisk mål på hvor mye to målbare størrelser henger sammen. Styrken uttrykkes med en korrelasjonskoeffisient, et tall mellom −1 og 1, og det finner du nærmere forklart hos Store norske leksikon. Kausalitet betyr derimot at det foreligger et påvirkningsforhold: at det ene faktisk forårsaker det andre.

At to fenomener korrelerer eller samvarierer, betyr ikke nødvendigvis at det foreligger kausalitet. Det er kjernen i hele feilslutningen. En sterk korrelasjon – en koeffisient nær 1 – beviser ingenting om årsak. Styrken sier noe om hvor tett dataene følger hverandre, ikke om hva som driver dem.

Det klassiske eksemplet: iskrem og drukning

Tenk deg et tenkt eksempel: Når iskremsalget stiger, stiger antall drukningsulykker. Når iskremsalget synker, synker drukningene. Sammenhengen er tydelig og målelig, år etter år.

Betyr det at iskrem fører til drukning? Nei. Begge tallene styres av en felles tredje faktor: varmt vær. Flere varme dager gir både mer iskrem og mer badning, og dermed flere drukningsulykker. Sammenhengen er spuriøs – tilsynelatende, ikke reell.

Samme mekanisme finner du i verifiserte eksempler: SNL peker på at en positiv korrelasjon mellom lesebrillebruk og hjerte- og karsykdommer kan forklares av at begge skyldes høy alder. Og matematikk.org bruker skonummer: barn med store sko presterer bedre i matematikk – ikke fordi store sko gir regneferdigheter, men fordi eldre barn har både større føtter og mer kunnskap. Alder er den skjulte variabelen.

Tre alternative forklaringer du alltid må sjekke

Når to variabler korrelerer, finnes det minst fire muligheter: en direkte årsakssammenheng, en tilfeldighet, en konfunderende variabel – eller omvendt kausalitet. De tre siste er de feilslutningen bygger på.

1. Konfunderende variabel (den skjulte tredje faktoren)

En konfunderende variabel er en faktor som verken er forklarings- eller responsvariabel, men som likevel påvirker tolkningen av sammenhengen mellom dem. Iskrem og drukning er et eksempel; vær og temperatur er konfundereren. SNL gir et annet: antall hjemløse kan korrelere med kriminalitet, men begge kan forklares av den økonomiske situasjonen i befolkningen.

2. Omvendt kausalitet

Noen ganger er pilen pekt feil vei: Det er ikke A som forårsaker B, men B som forårsaker A. Si at en undersøkelse viser at kommuner med mange sykkelveger har sunnere innbyggere. Trolig er det ikke bare sykkelvegene som gjør folk friske – helsebevisste mennesker flytter gjerne dit fordi tilbudet finnes, og de stiller seg bak politikere som bygger slike anlegg. Årsaken og virkningen bytter plass, eller de forsterker hverandre gjensidig.

3. Tilfeldighet

Med nok data og mange sammenligninger vil du alltid finne korrelasjoner som ikke betyr noe. Jo flere variabler du måler, jo flere tilsynelatende sammenhenger dukker opp av ren sjanse. Derfor er én enkelt observasjonsstudie aldri nok til å hevde en årsakssammenheng.

Hva kreves for å påvise en årsakssammenheng?

For å hevde kausalitet må tre betingelser være oppfylt. Dette er vurderingene du bør gjøre – enten du leser en studie eller skriver et argumenterende innlegg selv:

1. Statistisk sammenheng. Det må foreligge en målbar korrelasjon mellom årsak og effekt. Uten sammenheng finnes det ingenting å forklare.
2. Klar tidsrekkefølge. Årsaken må komme før virkningen, og med nærhet i tid. Hvis B allerede var i endring før A inntraff, kan ikke A være hele forklaringen.
3. Utelukket konfundering. Du må kunne utelukke at en bakenforliggende faktor påvirker både det du kaller årsak og det du kaller effekt – slik alder påvirker både brillebruk og hjertesykdom.

I praksis er det tredje punktet vanskeligst. Derfor trengs et eksperimentelt design, gjerne randomiserte kontrollerte studier, for å identifisere kausale forhold. Observasjonsdata alene kan vise at noe henger sammen, men ikke hvorfor.

Slik feilrapporterer medier studier – og slik gjenkjenner du det

Medieoppslag om forskning har en innebygd motsetning: journalisten skal formidle noe nytt, mens den forsiktige vitenskapelige formuleringen («det er en sammenheng, men vi kan ikke si noe om årsak») sjelden selger. Resultatet er ofte at «korrelerer med» blir til «gir» eller «fører til» i overskriften.

Slike glidninger er ikke alltid bevisste. Men de utgjør likevel en framing av funnet som endrer hva leseren tror. Når du leser om studier i pressen, bør du derfor stille de kildekritiske spørsmålene før du deler videre.

Feilslutningen som retorisk våpen i debatt

I politisk debatt er post hoc-argumentet utbredt fordi det er så lett å framstille som sunn fornuft: «Etter at vi innførte regelen, gikk tallene ned – altså virket regelen.» Argumentet høres logisk ut og bygger på logos – appellen til fornuft – men strukturen er svak. Tallet kan ha falt av andre grunner: en generell trend, sesongvariasjoner eller en konfunderende faktor ingen har kontrollert for.

Her ligger en retorisk fordel for den som mestrer begrepene. Den som i en debatt kan spørre «er dette en årsakssammenheng, eller bare en korrelasjon med en tredje variabel i bakgrunnen?», tvinger motparten til å begrunne påstanden i stedet for å nøye seg med tidsrekkefølgen. Det er et av de sterkeste motargumentene du kan føre, fordi det angriper hjemmelen – ikke personen.

Sjekkliste: Slik vurderer du en påstand om årsak

• Hva slags studie er det? Observasjonsstudie eller eksperiment? Bare eksperimenter kan påvise kausalitet med sikkerhet.
• Står det «sammenheng» eller «årsak» i selve studien? Sammenlign gjerne originalens ordlyd med avisens overskrift.
• Kan en tredje variabel forklare begge tallene? Se etter alder, inntekt, geografi eller trender som påvirker begge deler.
• Kan rekkefølgen være omvendt? Spør om det er plausibelt at virkningen kommer før årsaken.
• Finnes en klar tidsrekkefølge med nærhet i tid? Hvis årsaken og virkningen ligger langt fra hverandre, svekkes påstanden.
• Er korrelasjonen drevet av utliggere? Én ekstremverdi kan skape en tilsynelatende sterk sammenheng.

En overskrift som lover at én enkeltfaktor forårsaker noe – helse, kriminalitet, skoleresultater – skal alltid leses med dette i mente. Sammenheng er et utgangspunkt for videre undersøkelse, ikke et bevis.