B forårsager A (omvendt årsagssammenhæng eller omvendt kausalitet)Edit

Reverse årsagssammenhæng eller omvendt kausalitet eller forkert retning er en uformel fejlslutning om tvivlsom årsag, hvor årsag og virkning er omvendt. Man siger, at årsagen er årsagen til virkningen og omvendt.

Eksempel 1 Jo hurtigere man observerer, at vindmøller roterer, jo mere vind observeres der. Derfor er vind forårsaget af vindmøllernes rotation. (Eller sagt på en enkel måde: Vindmøller er, som deres navn antyder, maskiner, der bruges til at producere vind).

I dette eksempel indebærer korrelationen (samtidighed) mellem vindmøllers aktivitet og vindhastighed ikke, at vind er forårsaget af vindmøller. Det er snarere omvendt, hvilket antydes af det faktum, at vind ikke har brug for vindmøller for at eksistere, mens vindmøller har brug for vind for at rotere. Vind kan observeres på steder, hvor der ikke er nogen vindmøller eller ikke-roterende vindmøller – og der er gode grunde til at tro, at vind eksisterede før opfindelsen af vindmøller.

Eksempel 2

I andre tilfælde kan det simpelthen være uklart, hvad der er årsag og hvad der er virkning. For eksempel:

Børn, der ser meget tv, er de mest voldelige. Det er klart, at tv gør børn mere voldelige.

Det kunne sagtens være omvendt, dvs. at voldelige børn kan lide at se mere tv end mindre voldelige børn.

Eksempel 3

En sammenhæng mellem rekreativt stofbrug og psykiatriske lidelser kan være begge veje: måske er stofferne årsag til lidelserne, eller måske bruger folk stoffer til selvmedicinering af allerede eksisterende lidelser. Gateway drug-teorien kan hævde, at brug af marihuana fører til brug af hårdere stoffer, men brug af hårde stoffer kan føre til brug af marihuana (se også forvirring af det omvendte). Inden for samfundsvidenskaberne, hvor kontrollerede eksperimenter ofte ikke kan bruges til at fastslå årsagssammenhængen, kan denne fejlslutning give næring til langvarige videnskabelige argumenter. Et sådant eksempel kan findes inden for uddannelsesøkonomi, mellem screenings-/signalmodellen og humankapitalmodellen: Det kan enten være sådan, at det at have medfødte evner gør det muligt at gennemføre en uddannelse, eller at det at gennemføre en uddannelse opbygger ens evner.

Eksempel 4

Et historisk eksempel på dette er, at europæerne i middelalderen troede, at lus var gavnlige for helbredet, da der sjældent var lus på syge mennesker. Begrundelsen var, at folk blev syge, fordi lusene forsvandt. Den virkelige årsag er imidlertid, at lus er ekstremt følsomme over for kropstemperaturen. En lille stigning i kropstemperaturen, som f.eks. ved feber, får lusene til at lede efter en anden vært. Det medicinske termometer var endnu ikke opfundet, så denne temperaturstigning blev sjældent bemærket. Mærkbare symptomer kom senere, hvilket gav indtryk af, at lusene var væk, før personen blev syg.

I andre tilfælde kan to fænomener hver især være en delvis årsag til det andet; tænk på fattigdom og manglende uddannelse eller udsættelse og dårligt selvværd. Den, der fremfører et argument baseret på disse to fænomener, skal dog være opmærksom på at undgå fejlslutningen med cirkulær årsag og konsekvens. Fattigdom er en årsag til manglende uddannelse, men den er ikke den eneste årsag, og omvendt.

Tredje faktor C (den fælleskausale variabel) forårsager både A og BEdit

The third-cause fallacy (også kendt som ignorering af en fælles årsag eller tvivlsom årsag) er en logisk fejlslutning, hvor en spurious relation forveksles med årsagssammenhæng. Det hævder, at X forårsager Y, når X og Y i virkeligheden begge er forårsaget af Z. Det er en variation af post hoc ergo propter hoc-fejlslutningen og et medlem af gruppen af fejlslutninger med tvivlsom årsag.

Alle disse eksempler omhandler en lurende variabel, som simpelthen er en skjult tredje variabel, der påvirker begge årsager til sammenhængen. Der opstår også ofte en vanskelighed, hvor den tredje faktor, selv om den er fundamentalt forskellig fra A og B, er så tæt forbundet med A og/eller B, at den kan forveksles med dem eller er meget vanskelig at adskille videnskabeligt fra dem (se eksempel 4).

Eksempel 1 At sove med skoene på er stærkt korreleret med at vågne op med hovedpine. Derfor forårsager det hovedpine at sove med skoene på.

Overstående eksempel begår korrelation-implicerer-kausation-fejlslutning, da det for tidligt konkluderer, at det at sove med skoene på forårsager hovedpine. En mere plausibel forklaring er, at begge dele er forårsaget af en tredje faktor, i dette tilfælde at gå beruset i seng, hvilket dermed giver anledning til en korrelation. Konklusionen er altså falsk.

Eksempel 2 Små børn, der sover med lyset tændt, er meget mere tilbøjelige til at udvikle nærsynethed senere i livet. Derfor forårsager det nærsynethed at sove med lyset tændt.

Dette er et videnskabeligt eksempel, som er resultatet af en undersøgelse på University of Pennsylvania Medical Center. Undersøgelsen blev offentliggjort i Nature den 13. maj 1999 og fik på det tidspunkt stor omtale i den populære presse. En senere undersøgelse på Ohio State University viste imidlertid ikke, at spædbørn, der sov med lyset tændt, forårsagede udviklingen af nærsynethed. Den fandt derimod en stærk sammenhæng mellem forældrenes nærsynethed og udviklingen af nærsynethed hos børn, og det blev også bemærket, at nærsynede forældre var mere tilbøjelige til at lade lyset være tændt i deres børns soveværelse. I dette tilfælde er årsagen til begge tilstande forældrenes nærsynethed, og den ovenfor anførte konklusion er forkert.

Eksempel 3 I takt med at salget af is stiger, stiger antallet af druknedødsfald kraftigt. Derfor er isforbruget årsag til drukneulykker.

Dette eksempel anerkender ikke betydningen af årstiden og temperaturen for is-salget. Is sælges i de varme sommermåneder i langt højere grad end i koldere perioder, og det er i disse varme sommermåneder, at folk er mere tilbøjelige til at deltage i aktiviteter, der involverer vand, f.eks. svømning. De øgede druknedødsfald skyldes simpelthen, at man i højere grad er udsat for vandbaserede aktiviteter, ikke is. Den anførte konklusion er falsk.

Eksempel 4 En hypotetisk undersøgelse viser en sammenhæng mellem testangstscorer og generthedsscorer med en statistisk r-værdi (styrke af korrelation) på +,59. Derfor kan det ganske enkelt konkluderes, at generthed til en vis grad har en kausal indflydelse på testangst.

Som man imidlertid støder på i mange psykologiske undersøgelser, opdages en anden variabel, en “selvbevidsthedsscore”, som har en skarpere korrelation (+.73) med generthed. Dette tyder på et muligt “tredje variabel”-problem, men når der findes tre så nært beslægtede mål, tyder det yderligere på, at de hver især kan have bidirektionelle tendenser (se “bidirektionel variabel”, ovenfor), idet de er en klynge af korrelerede værdier, der hver især påvirker hinanden i et vist omfang. Derfor kan den enkle konklusion ovenfor være forkert.

Eksempel 5 Siden 1950’erne er både det atmosfæriske CO2-niveau og fedmeniveauet steget kraftigt. Derfor er atmosfærisk CO2 årsag til fedme.

Flere befolkninger har en tendens til at spise mere mad og producere mere CO2.

Eksempel 6 HDL-kolesterol (“det gode” kolesterol) er negativt korreleret med forekomsten af hjerteanfald. Derfor mindsker indtagelse af medicin for at øge HDL chancen for at få et hjerteanfald ved at tage medicin for at øge HDL.

Den videre forskning har sat spørgsmålstegn ved denne konklusion. I stedet kan det være, at andre underliggende faktorer, som gener, kost og motion, påvirker både HDL-niveauet og sandsynligheden for at få et hjerteanfald; det er muligt, at medicin kan påvirke den direkte målbare faktor, HDL-niveauet, uden at påvirke chancen for hjerteanfald.

Bidirektionel årsagssammenhæng: A forårsager B, og B forårsager AEdit

Kausalitet er ikke nødvendigvis ensrettet; i et forhold mellem rovdyr og bytte påvirker antallet af rovdyr antallet af byttedyr, men antallet af byttedyr, dvs. fødeudbuddet, påvirker også antallet af rovdyr. Et andet velkendt eksempel er, at cyklister har et lavere Body Mass Index end folk, der ikke cykler. Dette forklares ofte ved at antage, at cykling øger det fysiske aktivitetsniveau og derfor sænker BMI. Da resultater fra prospektive undersøgelser af folk, der øger deres cykelbrug, viser en mindre effekt på BMI end tværsnitsundersøgelser, kan der også være en vis omvendt kausalitet (dvs. at folk med et lavere BMI er mere tilbøjelige til at cykle).

Sammenhængen mellem A og B er tilfældigRediger

De to variabler er slet ikke relateret til hinanden, men korrelerer tilfældigt. Jo mere tingene undersøges, jo mere sandsynligt er det, at to ikke-relaterede variabler ser ud til at være relateret. For eksempel:

• Resultatet af den sidste hjemmekamp af Washington Redskins før præsidentvalget forudsagde resultatet af hvert præsidentvalg fra 1936 til og med 2000, på trods af at resultatet af fodboldkampe ikke havde noget at gøre med resultatet af det folkelige valg. Denne stime blev endelig brudt i 2004 (eller 2012 med en alternativ formulering af den oprindelige regel).
• Mierscheid-loven, som korrelerer det socialdemokratiske parti i Tyskland’s andel af de folkelige stemmer med størrelsen af råstålsproduktionen i Vesttyskland.
• Alternative skaldede russiske ledere med skaldet hår: En skaldet (eller tydeligvis skaldet) statsleder i Rusland har efterfulgt en ikke-skaldet (“behåret”) og omvendt i næsten 200 år.
• Bibelkoden, hebraiske ord, der forudsiger historiske begivenheder, som angiveligt er skjult i Toraen: Det enorme antal bogstavkombinationer gør, at et ords forekomst i en tilstrækkelig lang tekst statistisk set er ubetydelig.