Корреляция против причинно-следственной связи: определения и примеры

13 мая 2021 г.

Корреляция и причинно-следственная связь являются двумя важными темами, связанными с данными и статистическим анализом. Оба они описывают взаимосвязь между двумя переменными или помогают определить, существует ли связь вообще. Если вы хотите обнаружить взаимосвязь между определенными переменными в своем исследовании, может быть полезно изучить определение корреляции и причинно-следственной связи и то, как их использовать. В этой статье мы определяем корреляцию и причинно-следственную связь, описываем различия между корреляцией и причинно-следственной связью и приводим несколько примеров того и другого.

Что такое корреляция?

Корреляция – это сила связи между двумя переменными. Это статистическая мера, используемая профессионалами для определения влияния одной переменной на другую или помогающая определить ее отсутствие. Корреляция используется во многих отраслях, включая, например, маркетинг, спорт, науку и медицину.

Вот три основных типа корреляции:

Положительная корреляция

Положительная корреляция — это когда переменные движутся в одном направлении на графике, что означает, что между ними существует какая-то зависимость. Например, существует положительная корреляция между количеством времени, которое кто-то тратит на тренировки, и количеством сожженных калорий. По мере того, как человек увеличивает время тренировок, количество сжигаемых калорий также увеличивается.

Отрицательная корреляция

Отрицательная корреляция — это когда две переменные движутся в противоположных направлениях на графике, что означает обратную связь. Примером отрицательной корреляции являются затраты на отопление и температуры. По мере повышения температуры на улице человеку требуется меньше тепла для своего дома, поэтому его расходы на отопление снижаются в теплое время года.

Нулевая или никакая корреляция

Нулевая корреляция или ее отсутствие имеет место, когда между переменными нет связи. Например, нет никакой корреляции между количеством выпитого кофе и его интеллектом. Когда кто-то увеличивает или уменьшает потребление кофе, это не влияет на его уровень интеллекта, и любое соответствующее увеличение или снижение интеллекта связано с другим фактором.

Что такое причинность?

Причинность – это когда одна переменная вызывает изменение другой переменной. Например, количество рекламы, которую запускает компания, напрямую влияет на узнаваемость бренда этой компании потребителями. Однако количество сотрудников, которые в настоящее время работают в этой компании, напрямую не влияет на узнаваемость бренда. Следовательно, существует причинно-следственная связь между рекламой и узнаваемостью бренда, но не между численностью персонала и узнаваемостью бренда.

Чтобы определить, вызывает ли одна переменная изменение другой, важно спланировать и провести соответствующий эксперимент. Успешный эксперимент обычно отслеживает каждую переменную, а также исключает другие переменные, которые могут мешать. Чтобы определить, существует ли причинно-следственная связь между количеством рекламы, которую компания решает запустить, и узнаваемостью бренда, вы можете найти способ показывать рекламу только определенной группе людей. Затем вы можете опросить группу, которая видела вашу рекламу, и группу, которая никогда не видела вашу рекламу, и измерить разницу между ними в отношении узнаваемости бренда.

Преимущества знания разницы между корреляцией и причинно-следственной связью

Многие люди путают корреляцию и причинно-следственную связь друг с другом. Если вы видите две переменные, движущиеся в одном и том же направлении, некоторые люди, просматривающие данные, могут предположить, что одна переменная напрямую вызывает движение другой в этом направлении. Однако только потому, что между двумя переменными существует корреляция, между ними может не быть причинно-следственной связи. Знание различий помогает профессионалам принимать более обоснованные решения на основе своих выводов.

Если вы обнаружите причинно-следственную связь между двумя переменными, вы можете внести коррективы в одну переменную в зависимости от того, как вы хотите повлиять на другую. Однако, если есть только корреляция, а не причинно-следственная связь, ваша корректировка может привести к незначительному эффекту или вообще к отсутствию, что может привести к пустой трате вашего времени и других ресурсов. Это особенно важно, когда компании принимают важные решения на основе определенных выводов. Например, компания может принять решение о сокращении штата, ликвидировав отдел, который, по ее мнению, является причиной снижения производительности исключительно на основании результатов корреляции. На самом деле этот отдел мог не иметь никакого отношения к снижению производительности компании.

Примеры корреляции и причинно-следственной связи

Ниже приведены некоторые примеры корреляции и причинно-следственной связи, с которыми вы можете столкнуться на рабочем месте:

Пример 1

Smart Decisions Marketing решает начать рассылать информационный бюллетень по электронной почте каждую пятницу. Компания отправляет этот информационный бюллетень бывшим или текущим клиентам и включает в себя маркетинговые советы, обновления компании и последние рекламные акции. После проведения этой кампании в течение нескольких недель они начинают замечать увеличение числа постоянных клиентов. Теперь существует корреляция между количеством отправленных информационных бюллетеней и количеством постоянных клиентов, которых они испытали.

Однако это не означает обязательной причинно-следственной связи между двумя факторами. Чтобы определить, ответственны ли информационные бюллетени за увеличение, Smart Decisions Marketing хотел бы рассмотреть другие вовлеченные факторы. После учета других возможностей, таких как другие маркетинговые кампании, изменения продукта или повышение цен, они определяют, что информационный бюллетень является самой большой причиной увеличения количества возвращающихся клиентов, что подразумевает причинно-следственную связь. Затем они решают выделять больше ресурсов на свой информационный бюллетень, часто обновляя его.

Пример 2

Компания Pinnacle Products недавно выпустила новый продукт. После первоначально успешного старта продажи начали снижаться. Кроме того, продажи их других продуктов также начали снижаться в то же время. После построения графика продаж различных продуктов они определяют, что существует корреляция между снижением продаж этого нового продукта и их предыдущих продуктов.

Прежде чем сделать вывод о том, что выпуск их нового продукта привел к падению продаж других продуктов, Pinnacle Products решает продолжить исследование. После дальнейшего расследования они обнаруживают, что их недавняя текучесть кадров в продажах является причиной снижения продаж. Они определяют, что существует причинно-следственная связь между новым персоналом по продажам и снижением продаж, но не между запуском нового продукта и снижением. Изучив вопрос глубже, Pinnacle Products не решила отказаться от своего нового продукта слишком рано.