B provoca A (causalità inversa o inversione della causalità)Edit

La causalità inversa o causalità inversa o direzione sbagliata è una fallacia informale di causa discutibile dove causa ed effetto sono invertiti. Si dice che la causa è l’effetto e viceversa.

Esempio 1 Più velocemente si osserva la rotazione dei mulini a vento, più vento si osserva. Pertanto, il vento è causato dalla rotazione dei mulini a vento. (O, in parole povere: i mulini a vento, come indica il loro nome, sono macchine usate per produrre vento).

In questo esempio, la correlazione (simultaneità) tra l’attività dei mulini a vento e la velocità del vento non implica che il vento sia causato dai mulini a vento. È piuttosto il contrario, come suggerito dal fatto che il vento non ha bisogno dei mulini a vento per esistere, mentre i mulini a vento hanno bisogno del vento per ruotare. Il vento può essere osservato in luoghi dove non ci sono mulini a vento o mulini a vento non rotanti – e ci sono buone ragioni per credere che il vento esistesse prima dell’invenzione dei mulini a vento.

Esempio 2

In altri casi può semplicemente non essere chiaro quale sia la causa e quale l’effetto. Per esempio:

I bambini che guardano molta TV sono i più violenti. Chiaramente, la TV rende i bambini più violenti.

Questo potrebbe facilmente essere il contrario; cioè, ai bambini violenti piace guardare più TV di quelli meno violenti.

Esempio 3

Una correlazione tra l’uso di droghe ricreative e i disturbi psichiatrici potrebbe essere in entrambi i sensi: forse le droghe causano i disturbi, o forse le persone usano droghe per curarsi da sole per condizioni preesistenti. La teoria della droga gateway può sostenere che l’uso di marijuana porta all’uso di droghe più pesanti, ma l’uso di droghe pesanti può portare all’uso di marijuana (vedi anche la confusione dell’inverso). Infatti, nelle scienze sociali dove gli esperimenti controllati spesso non possono essere usati per discernere la direzione della causalità, questa fallacia può alimentare argomenti scientifici di lunga data. Uno di questi esempi si può trovare nell’economia dell’educazione, tra il modello di screening/segnalazione e quello del capitale umano: potrebbe essere che avere un’abilità innata permetta di completare un’educazione, o che completare un’educazione costruisca la propria abilità.

Esempio 4

Un esempio storico di questo è che gli europei nel Medioevo credevano che i pidocchi fossero benefici per la salute, poiché raramente ci sarebbero stati pidocchi su persone malate. Il ragionamento era che le persone si ammalavano perché i pidocchi se ne andavano. La vera ragione però è che i pidocchi sono estremamente sensibili alla temperatura corporea. Un piccolo aumento della temperatura corporea, come in una febbre, farà sì che i pidocchi cerchino un altro ospite. Il termometro medico non era ancora stato inventato, quindi questo aumento di temperatura era raramente notato. I sintomi evidenti venivano dopo, dando l’impressione che i pidocchi se ne fossero andati prima che la persona si ammalasse.

In altri casi, due fenomeni possono essere ognuno una causa parziale dell’altro; consideriamo la povertà e la mancanza di istruzione, o la procrastinazione e la scarsa autostima. Chi fa un’argomentazione basata su questi due fenomeni deve comunque stare attento ad evitare la fallacia della causa e conseguenza circolare. La povertà è una causa della mancanza di istruzione, ma non è la sola causa, e viceversa.

Il terzo fattore C (la variabile causale comune) causa sia A che BEdit

La fallacia della terza causa (nota anche come ignorare una causa comune o causa discutibile) è una fallacia logica in cui una relazione spuria viene confusa per causalità. Si afferma che X causa Y quando, in realtà, X e Y sono entrambi causati da Z. È una variazione della fallacia post hoc ergo propter hoc e un membro del gruppo delle fallacie di causa discutibile.

Tutti questi esempi hanno a che fare con una variabile nascosta, che è semplicemente una terza variabile nascosta che influenza entrambe le cause della correlazione. Una difficoltà si presenta spesso anche quando il terzo fattore, sebbene fondamentalmente diverso da A e B, è così strettamente legato ad A e/o B da essere confuso con essi o molto difficile da distinguere scientificamente da essi (vedi Esempio 4).

Esempio 1 Dormire con le scarpe è fortemente correlato con lo svegliarsi con il mal di testa. Quindi, dormire con le scarpe indosso provoca il mal di testa.

L’esempio precedente commette l’errore di correlazione-implica-causazione, poiché conclude prematuramente che dormire con le scarpe indosso causa il mal di testa. Una spiegazione più plausibile è che entrambi sono causati da un terzo fattore, in questo caso andare a letto ubriachi, che quindi dà luogo a una correlazione. Quindi la conclusione è falsa.

Esempio 2 I bambini piccoli che dormono con la luce accesa hanno molte più probabilità di sviluppare la miopia in età avanzata. Pertanto, dormire con la luce accesa causa la miopia.

Questo è un esempio scientifico che risulta da uno studio dell’Università della Pennsylvania Medical Center. Pubblicato nel numero del 13 maggio 1999 di Nature, lo studio ha ricevuto molta copertura all’epoca nella stampa popolare. Tuttavia, uno studio successivo della Ohio State University non ha trovato che i bambini che dormono con la luce accesa causano lo sviluppo della miopia. Ha trovato un forte legame tra la miopia dei genitori e lo sviluppo della miopia del bambino, notando anche che i genitori miopi erano più propensi a lasciare una luce accesa nella camera dei loro figli. In questo caso, la causa di entrambe le condizioni è la miopia dei genitori, e la conclusione di cui sopra è falsa.

Esempio 3 Quando le vendite di gelato aumentano, il tasso di morti per annegamento aumenta bruscamente. Pertanto, il consumo di gelato causa l’annegamento.

Questo esempio non riconosce l’importanza del periodo dell’anno e della temperatura per le vendite di gelato. Il gelato è venduto durante i caldi mesi estivi ad un tasso molto maggiore che durante i periodi più freddi, ed è durante questi caldi mesi estivi che le persone sono più propense a impegnarsi in attività che coinvolgono l’acqua, come il nuoto. L’aumento delle morti per annegamento è semplicemente causato da una maggiore esposizione ad attività basate sull’acqua, non dal gelato. La conclusione dichiarata è falsa.

Esempio 4 Uno studio ipotetico mostra una relazione tra i punteggi di ansia da test e i punteggi di timidezza, con un valore statistico r (forza della correlazione) di +.59. Pertanto, si può semplicemente concludere che la timidezza, in qualche parte, influenza causalmente l’ansia da test.

Tuttavia, come si incontra in molti studi psicologici, si scopre un’altra variabile, un “punteggio di autocoscienza”, che ha una correlazione più netta (+.73) con la timidezza. Questo suggerisce un possibile problema di “terza variabile”, tuttavia, quando si trovano tre misure così strettamente correlate, suggerisce inoltre che ciascuna può avere tendenze bidirezionali (vedi “variabile bidirezionale”, sopra), essendo un gruppo di valori correlati che si influenzano a vicenda in qualche misura. Pertanto, la semplice conclusione di cui sopra può essere falsa.

Esempio 5 Dagli anni ’50, sia il livello di CO2 atmosferica che i livelli di obesità sono aumentati bruscamente. Quindi, il CO2 atmosferico causa l’obesità.

Popolazioni più ricche tendono a mangiare più cibo e a produrre più CO2.

Esempio 6 Il colesterolo HDL (“buono”) è correlato negativamente con l’incidenza dell’infarto. Pertanto, l’assunzione di farmaci per aumentare l’HDL diminuisce la possibilità di avere un attacco di cuore.

Ulteriori ricerche hanno messo in discussione questa conclusione. Invece, può essere che altri fattori sottostanti, come i geni, la dieta e l’esercizio fisico, influenzano sia i livelli di HDL che la probabilità di avere un attacco di cuore; è possibile che i farmaci possono influenzare il fattore direttamente misurabile, i livelli di HDL, senza influenzare la possibilità di attacco di cuore.

Causa bidirezionale: A provoca B, e B provoca AEdit

La causalità non è necessariamente unidirezionale; in una relazione predatore-preda, il numero dei predatori influenza il numero delle prede, ma il numero delle prede, cioè la fornitura di cibo, influenza anche il numero dei predatori. Un altro esempio ben noto è che i ciclisti hanno un indice di massa corporea più basso rispetto alle persone che non vanno in bicicletta. Questo è spesso spiegato assumendo che il ciclismo aumenta i livelli di attività fisica e quindi diminuisce il BMI. Poiché i risultati degli studi prospettici sulle persone che aumentano l’uso della bicicletta mostrano un effetto minore sul BMI rispetto agli studi trasversali, potrebbe esserci anche una certa causalità inversa (cioè le persone con un BMI più basso sono più propense a pedalare).

La relazione tra A e B è casualeModifica

Le due variabili non sono affatto correlate, ma sono correlate per caso. Più le cose vengono esaminate, più è probabile che due variabili non correlate appaiano correlate. Per esempio:

• Il risultato dell’ultima partita in casa dei Washington Redskins prima delle elezioni presidenziali ha predetto il risultato di ogni elezione presidenziale dal 1936 al 2000 compreso, nonostante il fatto che i risultati delle partite di calcio non avevano nulla a che fare con il risultato delle elezioni popolari. Questa striscia è stata finalmente interrotta nel 2004 (o nel 2012 usando una formulazione alternativa della regola originale).
• La legge di Mierscheid, che correla la quota del voto popolare del Partito Socialdemocratico della Germania con la dimensione della produzione di acciaio grezzo nella Germania occidentale.
• Alternare i leader russi calvi: Un leader di stato calvo (o ovviamente calvo) della Russia è succeduto ad uno non calvo (“peloso”), e viceversa, per quasi 200 anni.
• Il codice della Bibbia, parole ebraiche che predicono eventi storici presumibilmente nascosti nella Torah: l’enorme numero di combinazioni di lettere rende statisticamente insignificanti le apparizioni di qualsiasi parola in un testo sufficientemente lungo.