İki şey arasında korelasyon bulunca ‘biri diğerine neden oluyor’ demek, kafamı çok kurcalıyor – sahte ilişkilerde alarm ne zaman çalmalı?

[Mete Özdemir]

Arkadaşlar son zamanlarda hem işte veri analizi yaparken hem de sosyal medyada gördüğüm o meşhur ‘X yiyenler daha uzun ölüyor’ tarzı başlıklar kafamı karıştırıyor. Bir korelasyon çıkarılıyor, herkes ‘o zaman X ömrü uzatıyor’ diyor ama içimden bir ses ‘dur, belki başka bir şey karıştırdı’ diyor.

Konuyu biraz olsun oturtmaya çalışıyorum ama netleşmeyen bir yer var: İki değişken arasında aslında güçlü bir bağlantı görünce, bunun gerçekten nedensellik olduğunu nasıl anlarsın? Yani sahte ilişkilerde – tamamen tesadüften veya gizli bir üçüncü değişkenden doğan bağlantılarda – alarm ne zaman çalmalı? Tecrübeniz var mı, nelere bakıyorsunuz?

[Masası: 🔬 Laboratuvar: AmScope 40X-1000X Trinoküler Biyolojik Mikroskop] • [Kayseri (38)]

[Fuat Güler]

Hocam selamlar, bu tam da en yerinde kafası karışıklığından, üstelik ‘korelasyon nedensellik değildir’ cümlesi o kadar çok laf kalabalığı yapıyor ki meseleyi biraz açayım:

İki çizginin aynı yöne gitmesi hiçbir şey ispatlamaz. En klasik örnek: dondurma satışı ile könek balığı saldırıları aynı dönemde artar. Dondurma köpek balığını mı besliyor? Hayır, her ikisi de yazın ısınmayla yükselir – işte gizli değişken (confounding). Yani ilk sormamız gereken soru şu: ‘akabinde üçüncü bir şey mi ikisini de itiyor?’ diye bakmak.

Bana kalırsa alarm çalması gereken kırmızı bayraklar bunlar:
– Sadece korelasyon katsayısı verilmişse, p-değeri ve örneklem boyutu yoksa, şüpheci ol
– Binlerce karşılaştırma yapılmışsa (multiple testing), klasik alfa 0.05 zaten anlamsızlaşıyor, Bonferroni gibi bir düzeltme gerekiyordun
– Yön belli ama mekanizma açıklamamışsa: ‘nasıl oluyor?’ sorusuna cevap yoksa bu saf tesadüf korelasyonu
– Ters nedensellik şüphesi: A B’ye neden oluyor, yoksa B A’ya mı geri tepiyor?

Pratikte yapacağın şey: confounding değişkenleri bir listeleyip mümkünse regresyon/stratifikasyon ile temizle, orada da tutmuyorsa o zaman ‘muhtemel nedensellik’ deyin ama ‘kesin’ demeyin. Mekanistik bir açıklama (fiziksel/biyolojik bir yol) yoksa, istatistik ne kadar güçlüyse güçlü olsun, o ilişkiye göz yumma.

Özetle: korelasyon kapıyı çalar, nedensellik ise kanıt ister. İkincisi için mekanizma + zamanlama (nedenden önce gelmeli) + confounding’inden arınmış veri lazım.

"Kütüphane Raf Kodu: 930.54 / NeBilim"

[Yazar]

Yazılar