Saya tahu bahwa korelasi tidak menyiratkan kausalitas tetapi apakah tidak adanya korelasi menyiratkan tidak adanya kausalitas?
correlation
causality
pengguna2088176
sumber
sumber
Jawaban:
Tidak. Setiap sistem yang dikendalikan adalah contoh tandingan.
Tanpa hubungan sebab akibat, kontrol jelas tidak mungkin, tetapi kontrol yang berhasil berarti - secara kasar - bahwa kuantitas dijaga konstan, yang menyiratkannya tidak akan berkorelasi dengan apa pun, termasuk hal-hal apa pun yang menyebabkannya konstan.
Jadi dalam situasi ini, menyimpulkan tidak ada hubungan sebab akibat dari kurangnya korelasi akan menjadi kesalahan.
Inilah contoh yang agak topikal .
sumber
Tidak. Terutama karena dengan korelasi Anda kemungkinan besar berarti korelasi linier . Dua variabel dapat dikorelasikan secara nonlinier , dan mungkin tidak menunjukkan korelasi linier . Mudah untuk membuat contoh seperti itu, tetapi saya akan memberikan contoh yang lebih dekat dengan pertanyaan Anda (lebih sempit).
Gambar korelasi nonlinier yang bagus dan jelas , tetapi dalam kasus ini juga merupakan hubungan sebab akibat langsung. Namun, koefisien korelasi linier tidak signifikan, yaitu tidak ada korelasi linear meskipun korelasi nonlinier jelas, dan bahkan hubungan sebab akibat:
sumber
Tidak ada . Secara khusus, variabel acak dapat bergantung tetapi tidak berkorelasi.
sumber
Mungkin melihatnya dari perspektif komputasi akan membantu.
Sebagai contoh konkret, ambil generator nomor pseudorandom.
Apakah ada hubungan sebab akibat antara seed yang Anda atur dan output dari generator?kth
Apakah ada korelasi yang terukur?
sumber
Jawaban yang lebih baik untuk pertanyaan ini adalah bahwa korelasi adalah hubungan statistik, matematika, dan / atau fisik sedangkan kausasi adalah hubungan metafisik. Anda tidak bisa LOGICALLY dari korelasi (atau non-korelasi) ke sebab-akibat, tanpa satu set (besar) asumsi yang mengikat metafisika dengan fisika. (Salah satu contohnya adalah bahwa apa yang mungkin disetujui dua orang untuk menjadi "pengamat yang rasional" sebagian besar sewenang-wenang dan mungkin ambigu). Jika A membayar B untuk melakukan C yang menghasilkan D, apa penyebab D? Tidak ada alasan rasional untuk memilih C atau B atau A (atau salah satu dari peristiwa pendahuluan A). Teori kontrol berkaitan dengan sistem dalam dunia di mana mereka berada di bawah kendali. Salah satu cara untuk mengendalikan variabel dependen adalah dengan mengurangi respons variabel tersebut terhadap kemungkinan variasi (terkontrol) variabel independen terhadap noise statistik. Sebagai contoh, kita tahu tekanan udara berkorelasi dengan kesehatan (coba bernapas dengan vakum), tetapi jika kita mengontrol tekanan udara hingga 1 +/- 0,001 atm, seberapa besarkah variasi tekanan udara yang mempengaruhi kesehatan?
sumber
Ya , bertentangan dengan balasan sebelumnya. Saya akan menganggap pertanyaan ini sebagai non-teknis, khususnya definisi "korelasi". Mungkin saya menggunakannya terlalu luas, tetapi lihat peluru kedua saya. Saya berharap akan dianggap pantas untuk membahas jawaban lain di sini, karena mereka menerangi bagian-bagian berbeda dari pertanyaan. Saya menggambarkan pendekatan Pearl terhadap sebab-akibat, dan khususnya pendapat saya tentang hal itu di beberapa makalah bersama Kevin Korb. Woodward mungkin memiliki akun nonteknis yang paling jelas.
@conjugateprior mengatakan "setiap sistem yang dikendalikan adalah contoh tandingan". Ya, pada klaim yang lebih kuat bahwa nonkorelasi yang diamati dalam percobaan Anda tidak menyiratkan penyebab. Saya akan menganggap pertanyaannya lebih umum. Tentu saja satu percobaan mungkin telah gagal mengendalikan untuk menutupi penyebab, atau dikendalikan secara tidak tepat untuk efek umum, dan menyembunyikan korelasinya. Tetapi jika menyebabkan , akan ada percobaan terkontrol di mana hubungan itu terungkap. Hampir semua definisi atau penjelasan sebab akibat memperlakukannya sebagai perbedaan yang membuat perbedaan. Karenanya tidak ada sebab akibat tanpa (semacam) korelasi. Jika ada tautan langsung dalam jaringan Bayesian kausal, itu tidak berartix y x→y x selalu membuat perbedaan untuk , hanya saja ada beberapa percobaan yang memperbaiki semua penyebab lain mana goyangan goyangan .y y x y
@aksakal memiliki contoh yang bagus mengapa penyebab linear tidak cukup. Setuju, tapi saya ingin luas dan tidak teknis. Jika , tidak lengkap untuk memberi tahu klien bahwa tidak berkorelasi dengan . Jadi saya akan menggunakan korelasi secara luas untuk mengartikan perbedaan dalam yang secara andal dikaitkan dengan perbedaan dalam . Ini bisa sama nonlinear atau nonparametrik yang Anda inginkan. Efek ambang batas baik-baik saja ( membuat perbedaan untuk , tetapi hanya pada rentang yang terbatas, atau hanya dengan menjadi lebih besar atau lebih kecil dari nilai tertentu, seperti tegangan pada sirkuit digital).y=x2 y x x y x y
@Kodiologist menciptakan contoh di mana , jaditetapi tidak ada korelasi linier. Tapi jelas ada hubungan yang bisa ditemukan, jadi berkorelasi dalam arti luas.| y | = | x |y=Unif(x,−x) |y|=|x|
@Szabolcs menggunakan generator angka acak untuk menunjukkan aliran output yang dibangun agar tampak tidak berkorelasi. Seperti digit , aliran tampak acak tetapi deterministik. Saya setuju Anda tidak akan menemukan hubungan jika hanya diberikan data, tetapi ada di sana.π
@Li Zhi mencatat Anda tidak bisa secara logis melompat dari korelasi ke sebab-akibat. Ya, tidak ada penyebab, tidak ada penyebab. Tetapi pertanyaannya dimulai dari sebab-akibat: apakah itu menyiratkan korelasi? Dalam contoh tekanan udara, kami memiliki efek ambang batas. Ada kisaran di mana tekanan udara tidak berkorelasi dengan kesehatan. Memang masuk akal di mana ia tidak memiliki efek kausal pada kesehatan. Tetapi ada rentang di mana itu terjadi. Itu sudah cukup. Tetapi mungkin lebih baik untuk mencatat rentang di mana ada dan tidak berpengaruh. Jika , maka ada korelasi di sepanjang rantai, karena ada sebab-akibat. Pengamatan berulang (atau percobaan) dapat menunjukkan bahwa tidak secara langsung menyebabkanA DA→B→C→D A D tetapi korelasinya ada karena ada cerita sebab akibat.
Saya tidak tahu apa yang ada di pikiran @ user2088176, tapi saya pikir jika kita mengambil pertanyaan secara umum, maka jawabannya adalah ya. Setidaknya saya pikir itulah jawaban yang diperlukan dari literatur penemuan sebab akibat dan penjelasan intervensionis tentang sebab akibat. Penyebab adalah perbedaan yang membuat perbedaan. Dan perbedaan itu akan terungkap, dalam beberapa percobaan, sebagai hubungan persisten.
sumber