Hartstikke bedankt voor het uitgebreide antwoord! Maakt het wat duidelijker :)
Ik snap dat er niet kan worden gezegd of het een causaal verband is, maar de richting moet toch wel te bepalen zijn?
Concreet voorbeeld: - Mensen met honger eten meer - Mensen met honger zijn zwaarder interactie: mensen die meer eten zijn zwaarder.
Toegepast voorbeeld: - Mensen met weinig zelfcontrole hebben meer stress op het werk - Mensen met weinig zelfcontrole vinden het werk minder leuk.
Interactie: maakt meer stress op het werk het minder leuk, of is het minder leuk en hebben ze daarom meer stress? Dat is wel vrij belangrijk om te weten, want er zijn 2 theorien die beide richtingen onderbouwen.
Karel
Student universiteit - maandag 8 december 2014
Antwoord
Beste Karel,
Je accepteert dat een correlatie niet automatisch een oorzakelijk verband inhoudt, toch vind je dat er een richting te bepalen zou moeten zijn? Dat klinkt alsof je een correlatie via de achterdeur toch tot een oorzakelijk verband wilt verheffen. Jouw tweede voorbeeld illustreert dit: stel even dat 'meer stress op het werk' en 'werk minder leuk vinden' beide gevolgen zijn van 'weinig zelfcontrole'. Dan kunnen deze twee gevolgen onderling sterk gecorreleerd zijn, maar het hoeft helemaal niet zo te zijn dat 'stress' ervoor zorgt dat 'het werk minder leuk is' of andersom.
Je kunt dit vergelijken met: - Veel zonneschijn leidt tot meer consumptie van ijs - Veel zonneschijn leidt tot snellere groei van planten
Moet het dan zo zijn dat 'meer consumptie van ijs' leidt tot 'snellere groei van planten' of andersom? Dat lijkt me niet. Er is geen richting van 'ijsconsumptie' naar 'plantengroei' of andersom.
Uiteraard kan er wel sprake zijn van een causaal verband, een aangetoonde correlatie kan je op het idee brengen dat zo'n verband bestaat. Aanvullend onderzoek is nodig om causaliteit aan te tonen. Dit kan bijvoorbeeld door één van de variabelen gecontroleerd te variëren (en overige omstandigheden constant te houden), en te onderzoeken of de andere variabele hierop reageert.
Dit is niet altijd mogelijk: de ijsconsumptie kan je variëren door de prijs te veranderen, je zult snel ontdekken dat de hoeveelheid zonneschijn hier niet goed mee correleert (dus: geen oorzakelijk verband van ijsconsumptie naar zonneschijn). Helaas kunnen we de hoeveelheid zonneschijn niet gecontroleerd variëren om een oorzakelijk verband in de andere richting aan te tonen. Dan moet je op een handige manier gebruik maken van natuurlijke variaties, waarbij het natuurlijk lastig is om andere omstandigheden constant te houden.
Soms loopt het gevolg enige tijd achter ten opzichte van de oorzaak. In zo'n geval kan je de sterkste correlatie vinden door het gevolg eerst een stukje in de tijd 'terug te schuiven' voordat je de correlatie berekent. Dan is een mogelijke richting van oorzaak naar gevolg snel duidelijk: immers, het gevolg kan nooit aan de oorzaak vooraf gaan.
Kortom: statistische technieken kunnen onderzoek naar oorzakelijke verbanden wel ondersteunen, maar correlaties alleen zijn hiervoor nooit voldoende. Afhankelijk van het vakgebied en de onderzoeksvraag zijn creatieve methoden nodig om de juiste conclusies te kunnen trekken.
Een aardige voordracht over dit onderwerp vind je hier:
Dit is een reactie op vraag 74422 
