B okozza A-t (fordított ok-okozati összefüggés vagy fordított kauzalitás)Edit

A fordított ok-okozati összefüggés vagy fordított kauzalitás vagy rossz irány egy informális tévedés, amely megkérdőjelezhető ok, amikor az ok és az okozat megfordul. Azt mondják, hogy az ok a hatás és fordítva.

1. példa Minél gyorsabban forognak a szélmalmok, annál több szelet figyelhetünk meg. Ezért a szelet a szélmalmok forgása okozza. (Vagy egyszerűen fogalmazva: a szélmalmok, ahogy a nevük is mutatja, szél előállítására használt gépek.)

Ebben a példában a szélmalmok tevékenysége és a szélsebesség közötti korreláció (egyidejűség) nem jelenti azt, hogy a szelet a szélmalmok okozzák. Inkább fordítva van, amit az a tény sugall, hogy a szélnek nincs szüksége szélmalmokra ahhoz, hogy létezzen, míg a szélmalmoknak szélre van szükségük ahhoz, hogy forogjanak. A szél olyan helyeken is megfigyelhető, ahol nincsenek szélmalmok vagy nem forognak szélmalmok – és jó okunk van azt hinni, hogy a szél már a szélmalmok feltalálása előtt is létezett.

2. példa

Más esetekben egyszerűen nem egyértelmű, hogy melyik az ok és melyik a hatás. Például:

Azok a gyerekek, akik sokat tévéznek, a legerőszakosabbak. Nyilvánvaló, hogy a tévé erőszakosabbá teszi a gyerekeket.

Ez könnyen lehet fordítva is; vagyis az erőszakos gyerekek szeretnek több tévét nézni, mint a kevésbé erőszakosak.

3. példa

A szabadidős drogfogyasztás és a pszichiátriai rendellenességek közötti összefüggés lehet mindkét irányban: talán a drogok okozzák a rendellenességeket, vagy talán az emberek a drogokat a már meglévő állapotok öngyógyítására használják. A kapudrog-elmélet azt állíthatja, hogy a marihuána használata a keményebb drogok használatához vezet, de a kemény drogok használata is vezethet marihuána használatához (lásd még az inverz zavarát). Valójában a társadalomtudományokban, ahol a kontrollált kísérletek gyakran nem használhatók az ok-okozati összefüggés irányának megállapítására, ez a tévedés régóta fennálló tudományos érveket táplálhat. Az egyik ilyen példa az oktatási közgazdaságtanban található, a szűrési/szignálási és a humántőke-modellek között: vagy az lehet, hogy a veleszületett képességek teszik lehetővé az oktatás elvégzését, vagy az, hogy az oktatás elvégzése növeli az ember képességeit.

4. példa

Egy történelmi példa erre az, hogy a középkorban az európaiak úgy gondolták, hogy a tetvek jótékony hatással vannak az egészségre, mivel a beteg embereken ritkán volt tetű. Az érvelés az volt, hogy az emberek azért betegedtek meg, mert a tetvek elmentek. A valódi ok azonban az, hogy a tetvek rendkívül érzékenyek a testhőmérsékletre. A testhőmérséklet kis mértékű emelkedése, például láz esetén, arra készteti a tetveket, hogy másik gazdatestet keressenek. Az orvosi hőmérőt még nem találták fel, így ezt a hőemelkedést ritkán vették észre. Az észrevehető tünetek később jelentkeztek, ami azt a benyomást keltette, hogy a tetvek még azelőtt távoztak, hogy az illető megbetegedett volna.

Más esetekben két jelenség részben okozhatja egymást; gondoljunk csak a szegénységre és az iskolázatlanságra, vagy a halogatásra és a rossz önbecsülésre. Annak azonban, aki e két jelenségre alapozva érvel, óvatosnak kell lennie, hogy elkerülje a körkörös ok-okozat tévedést. A szegénység az oktatás hiányának egyik oka, de nem kizárólagos oka, és fordítva.

A harmadik tényező C (a közös ok-okozati változó) mind A-t, mind BEdit

A harmadik ok tévedés (más néven a közös ok figyelmen kívül hagyása vagy megkérdőjelezhető ok) egy logikai tévedés, amikor egy hamis kapcsolatot összekeverünk az ok-okozati összefüggéssel. Azt állítja, hogy X okozza Y-t, amikor a valóságban X-et és Y-t egyaránt Z okozza. Ez a post hoc ergo propter hoc tévedés egy változata, és a tévedések megkérdőjelezhető okok csoportjának tagja.

A példák mindegyike egy lappangó változóval foglalkozik, ami egyszerűen egy rejtett harmadik változó, amely az összefüggés mindkét okát befolyásolja. Gyakran felmerül az a nehézség is, amikor a harmadik tényező, bár alapvetően különbözik A-tól és B-től, olyan szoros kapcsolatban áll A-val és/vagy B-vel, hogy összetéveszthető velük, vagy tudományosan nagyon nehéz szétválasztani tőlük (lásd a 4. példát).

1. példa A cipőben alvás erősen korrelál a fejfájással való ébredéssel. Ezért a cipőben alvás fejfájást okoz.

A fenti példa elköveti a korreláció-következtetés-okozati tévedést, mivel elhamarkodottan következtet arra, hogy a cipőben alvás fejfájást okoz. A hihetőbb magyarázat az, hogy mindkettőt egy harmadik tényező okozza, ebben az esetben a részeg lefekvés, ami ezáltal korrelációt eredményez. A következtetés tehát hamis.

2. példa Azok a kisgyermekek, akik bekapcsolt lámpával alszanak, későbbi életükben sokkal nagyobb valószínűséggel lesznek rövidlátók. Ezért a bekapcsolt fénnyel való alvás rövidlátást okoz.

Ez egy tudományos példa, amely a Pennsylvaniai Egyetem Orvosi Központjának vizsgálatából származik. A tanulmány a Nature 1999. május 13-i számában jelent meg, és annak idején nagy visszhangot kapott a népszerű sajtóban. Egy későbbi, az Ohiói Állami Egyetemen végzett vizsgálat azonban nem állapította meg, hogy a bekapcsolt fénnyel alvó csecsemők okozzák a rövidlátás kialakulását. A tanulmány azonban szoros kapcsolatot talált a szülői rövidlátás és a gyermeki rövidlátás kialakulása között, és azt is megállapította, hogy a rövidlátó szülők nagyobb valószínűséggel hagyták égve a fényt gyermekeik hálószobájában. Ebben az esetben mindkét állapot oka a szülői rövidlátás, és a fenti következtetés hamis.

3. példa A fagylalteladások növekedésével a fulladásos halálesetek aránya meredeken emelkedik. Ezért a fagylaltfogyasztás okozza a fulladást.

Ez a példa nem ismeri fel az évszak és a hőmérséklet fontosságát a fagylalteladások szempontjából. A forró nyári hónapokban sokkal nagyobb arányban adnak el fagylaltot, mint a hidegebb időszakokban, és ezekben a forró nyári hónapokban az emberek nagyobb valószínűséggel vesznek részt vízzel kapcsolatos tevékenységekben, például úszásban. A megnövekedett fulladásos halálesetek számát egyszerűen a vízzel kapcsolatos tevékenységeknek való nagyobb kitettség okozza, nem pedig a fagylalt. Az állított következtetés hamis.

4. példa Egy hipotetikus tanulmány összefüggést mutat ki a vizsgaszorongás pontszámai és a félénkség pontszámai között, a statisztikai r-érték (a korreláció erőssége) +,59-es. Ezért egyszerűen levonható az a következtetés, hogy a félénkség valamilyen mértékben ok-okozati úton befolyásolja a vizsgaszorongást.

Valamint azonban számos pszichológiai vizsgálatban találkozunk, felfedezünk egy másik változót, egy “öntudatossági pontszámot”, amely élesebb korrelációt (+,73) mutat a félénkséggel. Ez egy lehetséges “harmadik változó” problémájára utal, azonban ha három ilyen szorosan összefüggő mérőszámot találunk, az tovább sugallja, hogy mindegyiknek kétirányú tendenciája lehet (lásd a fenti “kétirányú változót”), mivel korrelált értékek halmaza, amelyek mindegyike bizonyos mértékben befolyásolja egymást. Ezért a fenti egyszerű következtetés hamis lehet.

5. példa Az 1950-es évek óta mind a légköri CO2-szint, mind az elhízás szintje meredeken emelkedett. Ezért a légköri CO2 okozza az elhízást.

A gazdagabb népesség hajlamos több ételt fogyasztani és több CO2-t termelni.

6. példa A HDL (“jó”) koleszterinszint negatívan korrelál a szívroham előfordulási gyakoriságával. Ezért a HDL-t növelő gyógyszerek szedése csökkenti a szívroham esélyét.

A további kutatások megkérdőjelezték ezt a következtetést. Ehelyett előfordulhat, hogy más mögöttes tényezők, például a gének, az étrend és a testmozgás egyaránt befolyásolják a HDL-szintet és a szívroham valószínűségét; lehetséges, hogy a gyógyszerek a közvetlenül mérhető tényezőt, a HDL-szintet befolyásolják anélkül, hogy a szívroham esélyét befolyásolnák.

Kétirányú ok-okozati összefüggés: A okozza B-t, és B okozza AEdit

A kauzalitás nem feltétlenül egyirányú; egy ragadozó-zsákmány viszonyban a ragadozók száma befolyásolja a zsákmány számát, de a zsákmány száma, azaz a táplálékellátás a ragadozók számát is befolyásolja. Egy másik jól ismert példa, hogy a kerékpárosok testtömegindexe alacsonyabb, mint a nem kerékpározó embereké. Ezt gyakran azzal magyarázzák, hogy a kerékpározás növeli a fizikai aktivitást, és ezért csökkenti a testtömegindexet. Mivel a kerékpárhasználatot növelő emberekre vonatkozó prospektív tanulmányok eredményei kisebb hatást mutatnak a BMI-re, mint a keresztmetszeti vizsgálatok, lehet, hogy van némi fordított kauzalitás is (azaz az alacsonyabb BMI-vel rendelkező emberek nagyobb valószínűséggel kerékpároznak).

A és B közötti kapcsolat véletlenszerűSzerkesztés

A két változó egyáltalán nem függ össze, hanem véletlenszerűen korrelál. Minél több dolgot vizsgálunk, annál valószínűbb, hogy két nem összefüggő változó összefüggésnek tűnik. Például:

• A Washington Redskins utolsó hazai meccsének eredménye az elnökválasztás előtt megjósolta minden elnökválasztás kimenetelét 1936-tól 2000-ig bezárólag, annak ellenére, hogy a futballmeccsek eredményének semmi köze nem volt a népszavazás kimeneteléhez. Ez a sorozat végül 2004-ben tört meg (vagy az eredeti szabály alternatív megfogalmazását használva 2012-ben).
• A Mierscheid-törvény, amely a Német Szociáldemokrata Párt népszavazási arányát a nyugat-németországi nyersacéltermelés nagyságával hozza összefüggésbe.
• Változó kopaszszőrű orosz vezetők: Oroszországban közel 200 éve kopasz (vagy nyilvánvalóan kopaszodó) államfő követi a nem kopasz (“szőrös”) államfőt, és fordítva.
• A Biblia kódja, a Tórában állítólag elrejtett, történelmi eseményeket előre jelző héber szavak: a betűkombinációk hatalmas száma miatt bármely szó megjelenése a kellően hosszú szövegben statisztikailag jelentéktelenné válik.