Tôi biết rằng sự tương quan không ngụ ý nhân quả nhưng sự vắng mặt của mối tương quan có nghĩa là không có nhân quả?
Tôi biết rằng sự tương quan không ngụ ý nhân quả nhưng sự vắng mặt của mối tương quan có nghĩa là không có nhân quả?
Câu trả lời:
không có sự tương quan có nghĩa là không có quan hệ nhân quả?
Không. Bất kỳ hệ thống được kiểm soát nào cũng là một ví dụ.
Không có kiểm soát mối quan hệ nhân quả rõ ràng là không thể, nhưng có nghĩa là kiểm soát thành công - nói một cách đại khái - rằng một số lượng đang được duy trì không đổi, điều đó ngụ ý rằng nó sẽ không tương quan với bất cứ điều gì, kể cả bất cứ điều gì khiến nó không đổi.
Vì vậy, trong tình huống này, kết luận không có mối quan hệ nhân quả từ thiếu tương quan sẽ là một sai lầm.
Đây là một ví dụ điển hình .
Không. Chủ yếu là bởi vì tương quan bạn rất có thể có nghĩa là tương quan tuyến tính . Hai biến có thể tương quan phi tuyến và có thể không hiển thị tương quan tuyến tính . Thật dễ dàng để xây dựng một ví dụ như vậy, nhưng tôi sẽ đưa ra một ví dụ gần với câu hỏi (hẹp hơn) của bạn.
Chúng ta hãy xem biến ngẫu nhiên và hàm không ngẫu nhiên , với đó chúng ta tạo một biến ngẫu nhiên . Cái sau rõ ràng là do biến trước, không chỉ tương quan. Hãy vẽ một cốt truyện phân tán:
Đẹp, hình ảnh tương quan phi tuyến rõ ràng , nhưng trong trường hợp này nó cũng là nhân quả trực tiếp. Tuy nhiên, hệ số tương quan tuyến tính là không đáng kể, nghĩa là không có tương quan tuyến tính mặc dù có mối tương quan phi tuyến rõ ràng và thậm chí cả quan hệ nhân quả:
>> x=randn(100,1);
>> y=x.^2;
>> scatter(x,y)
>> [rho,pval]=corr(x,y)
rho =
0.0140
pval =
0.8904
CẬP NHẬT: @Kodiologist là đúng trong bình luận. Về mặt toán học có thể chỉ ra rằng hệ số tương quan tuyến tính cho hai biến này thực sự bằng không. Trong ví dụ của tôi là biến thông thường tiêu chuẩn, vì vậy chúng tôi có các biến sau: Do đó, hiệp phương sai (và sau đó là tương quan) bằng 0:
Chúng tôi sẽ nhận được kết quả tương tự cho bất kỳ phân phối đối xứng nào, chẳng hạn như thống nhất .
Không . Cụ thể, các biến ngẫu nhiên có thể phụ thuộc nhưng không tương quan.
Đây là một ví dụ. Giả sử tôi có một máy lấy một đầu vào và tạo ra một số ngẫu nhiên , bằng với hoặc với xác suất bằng nhau. Rõ ràng gây . Bây giờ hãy để là một biến ngẫu nhiên được phân phối đồng đều trên và chọn với , tạo ra phân phối chung trên . và phụ thuộc, vìY X [ - 1 , 1 ] Y x = X ( X , Y ) X Y
Tuy nhiên, tương quan của và là 0, bởi vìY
Câu trả lời tốt hơn cho câu hỏi là mối tương quan là mối quan hệ thống kê, toán học và / hoặc vật lý trong khi quan hệ nhân quả là mối quan hệ siêu hình. Bạn không thể GIAO DỊCH từ tương quan (hoặc không tương quan) đến quan hệ nhân quả, mà không có một tập hợp giả định (lớn) ràng buộc siêu hình học với vật lý. (Một ví dụ là những gì hai người có thể đồng ý là "một người quan sát hợp lý" là ở mức độ lớn tùy tiện và có thể mơ hồ). Nếu A trả tiền cho B để làm C dẫn đến D, nguyên nhân của D là gì? Đơn giản là không có lý do hợp lý để chọn C hoặc B hoặc A (hoặc bất kỳ sự kiện tiền thân nào của A). Lý thuyết điều khiển liên quan đến các hệ thống trong các lĩnh vực nơi chúng được kiểm soát. Một cách để có được một biến phụ thuộc dưới sự kiểm soát là giảm đáp ứng của biến đó với phạm vi biến đổi (được kiểm soát) có thể có của biến độc lập với nhiễu thống kê. Chẳng hạn, chúng ta biết áp suất không khí có liên quan đến sức khỏe (chỉ cần thử thở chân không), nhưng nếu chúng ta kiểm soát áp suất không khí đến 1 +/- 0,001 atm, thì khả năng BẤT K change biến đổi áp suất không khí nào ảnh hưởng đến sức khỏe?
Vâng , trái với trả lời trước. Tôi sẽ đặt câu hỏi là không khoa học, đặc biệt là định nghĩa của "tương quan". Có lẽ tôi đang sử dụng nó quá rộng, nhưng hãy xem viên đạn thứ hai của tôi. Tôi hy vọng nó sẽ được coi là thích hợp để thảo luận về các câu trả lời khác ở đây, bởi vì chúng chiếu sáng các phần khác nhau của câu hỏi. Tôi đang vẽ về cách tiếp cận quan hệ nhân quả của Pearl, và đặc biệt là tôi sẽ đưa nó vào một số bài báo với Kevin Korb. Woodward có lẽ có tài khoản phi kỹ thuật rõ ràng nhất.
@conjugatep Warrior nói "bất kỳ hệ thống được kiểm soát nào cũng là một ví dụ". Vâng, với tuyên bố mạnh mẽ hơn rằng sự không tương quan quan sát được trong thí nghiệm của bạn ngụ ý không có nguyên nhân. Tôi sẽ giả sử câu hỏi là tổng quát hơn. Chắc chắn một thí nghiệm có thể đã thất bại trong việc kiểm soát các nguyên nhân che giấu hoặc kiểm soát không phù hợp các tác động phổ biến và che giấu mối tương quan. Nhưng nếu gây ra , sẽ có một thử nghiệm được kiểm soát trong đó mối quan hệ đó được tiết lộ. Hầu như tất cả các định nghĩa hoặc tài khoản của quan hệ nhân quả coi nó như một sự khác biệt tạo nên sự khác biệt. Do đó, không có quan hệ nhân quả mà không có (một số loại) tương quan. Nếu có một liên kết trực tiếp trong mạng Bayes nhân quả, điều đó không có nghĩa là luôn tạo ra sự khác biệt cho , chỉ có một số thí nghiệm sửa tất cả các nguyên nhân khác của trong đó wiggling wiggles .
@aksakal có một ví dụ tuyệt vời tại sao quan hệ nhân quả tuyến tính là không đủ. Đồng ý, nhưng tôi muốn được rộng rãi và không kỹ thuật. Nếu , sẽ không đầy đủ để nói với khách hàng rằng không tương thích với . Vì vậy, tôi sẽ sử dụng tương quan rất rộng để có nghĩa là một sự khác biệt trong có liên quan đáng tin cậy với một sự khác biệt trong . Nó có thể là phi tuyến hoặc không theo tỷ lệ như bạn muốn. Hiệu ứng ngưỡng là tốt ( tạo ra sự khác biệt cho , nhưng chỉ trong một phạm vi hữu hạn hoặc chỉ bằng cách lớn hơn hoặc nhỏ hơn một giá trị cụ thể, như điện áp trong các mạch kỹ thuật số). y x x y x y
@Kodiologist tạo một ví dụ trong đó , vì vậynhưng không có tương quan tuyến tính. Nhưng rõ ràng có một mối quan hệ có thể khám phá, do đó, tương quan theo nghĩa rộng.| y | = | x |
@Szabolcs sử dụng các trình tạo số ngẫu nhiên để hiển thị một luồng đầu ra được xây dựng để xuất hiện không tương thích. Giống như các chữ số của , luồng xuất hiện ngẫu nhiên nhưng mang tính xác định. Tôi đồng ý rằng bạn không thể tìm thấy mối quan hệ nếu chỉ cung cấp dữ liệu, nhưng nó ở đó.
@Li Zi lưu ý bạn không thể nhảy một cách hợp lý từ mối tương quan sang quan hệ nhân quả. Có, không có nguyên nhân trong, không có nguyên nhân ra. Nhưng câu hỏi bắt đầu từ quan hệ nhân quả: nó có ngụ ý tương quan không? Trong ví dụ áp suất không khí, chúng ta có hiệu ứng ngưỡng. Có một phạm vi mà áp suất không khí không tương thích với sức khỏe. Quả thực là hợp lý khi nó không có tác dụng nhân quả đối với sức khỏe. Nhưng có một phạm vi mà nó làm. Thế là đủ. Nhưng có lẽ tốt hơn để lưu ý phạm vi nơi có và không phải là một hiệu ứng. Nếu , thì có mối tương quan tất cả dọc theo chuỗi, bởi vì có mối quan hệ nhân quả. Quan sát lặp lại (hoặc thử nghiệm) có thể cho thấy không trực tiếp gây raA D nhưng mối tương quan là có bởi vì có một câu chuyện nhân quả.
Tôi không biết @ user2088176 có ý nghĩ gì, nhưng tôi nghĩ rằng nếu chúng ta đưa ra câu hỏi rất chung chung, thì câu trả lời là có. Ít nhất tôi nghĩ đó là câu trả lời cần có của tài liệu khám phá nhân quả và tài khoản can thiệp về nguyên nhân. Nguyên nhân là sự khác biệt tạo nên sự khác biệt. Và sự khác biệt đó sẽ được tiết lộ, trong một số thí nghiệm, là sự liên kết bền bỉ.