Voltooingsvoorwaarden
Inleiding
Het vinden van logische oorzaak/gevolg relaties blijkt in de praktijk een lastige opgave te zijn. Maar wel een zeer belangrijke, als we problemen snel en effectief willen oplossen!
Het vinden van correlaties tussen variabelen kan betrekkelijk eenvoudig zijn, maar het is vaak lastig vast te stellen dat het een het ander veroorzaakt. Wees kritisch bij analyseren van gevonden data uit je verbeterproject. Vraag je altijd af of je een gevonden correlatie tussen twee variabelen kunt beschouwen als een causaal verband.
Extra literatuur
Inhoud
Voor het beschrijven van logische oorzaak/gevolg relaties maken we gebruik van de begrippen correlatie en causaliteit.
Correlatie
Correlatie is de statistische samenhang tussen twee grootheden (of variabelen). Dit kunnen twee reeksen metingen zijn, of mogelijke waarden van twee toevalsvariabelen zijn. De sterkte van deze samenhang wordt uitgedrukt in een correlatiecoëfficiënt. Deze kan variëren van -1 tot +1. De correlatie tussen twee variabelen wordt o.a. zichtbaar gemaakt in een spreidingsdiagram.
Causaliteit
Causaliteit of de wet van oorzaak en gevolg stelt dat gebeurtenissen plaatsvinden als gevolg van bepaalde, eerdere gebeurtenissen. Een waargenomen gebeurtenis is altijd het gevolg van een oorzaak die eraan voorafgaat. Het vinden van causale verbanden is in de wetenschap belangrijk, maar ook zeker bij het oplossen van problemen.
Om te kunnen spreken van een causaal verband tussen twee invloedsfactoren of variabelen moet deze voldoen aan de volgende 3 voorwaarden:
Er moet een duidelijke correlatie zichtbaar zijn: beide variabelen veranderen altijd samen en consistent op dezelfde manier
Is er duidelijk (wetenschappelijk?) bewijs, of zelfs aannemelijke logica, over de richting van het effect? (kijk bijvoorbeeld naar de proceswetten!).De oorzaak komt in de tijd voor het gevolg voor elke waarnemer
In het voorbeeld: er is eerst een zonnige dat voordat de ijsverkoop en het aantal bosbranden oploopt, niet andersom.Er zijn geen alternatieve invloedsfactoren of variabelen.
Zijn er intermediaire variabelen die de correlatie kunnen verklaren? b.v. een biologisch mechanisme dat de relatie zou kunnen verklaren.
Het vinden van correlaties tussen variabelen kan betrekkelijk eenvoudig zijn, maar het is vaak lastig vast te stellen dat het een het ander veroorzaakt. Wees kritisch bij analyseren van gevonden data uit je verbeterproject. Vraag je altijd af of je een gevonden correlatie tussen twee variabelen kunt beschouwen als een causaal verband.
Het verschil tussen causaliteit en correlatie
Er zijn veel voorbeelden van toevallige correlaties, die echter geen enkel causaal (of logisch) verband hebben. Onderstaand zien we het verband tussen de verkoop van ijsjes en het aantal bosbranden in een Amerikaanse staat.
bron: https://www.decisionskills.com/blog/how-ice-cream-kills-understanding-cause-and-effect
We zien een nadrukkelijke relatie in de grafiek, maar uit bovenstaande feiten kun je geen causaliteit (logische oorzaak/gevolgrelatie) afleiden tussen de verkoop van ijs en het aantal bosbranden. De grafiek doet veronderstellen dat als we minder ijsjes verkopen, het aantal bosbranden ook zal afnemen. We voelen vast wel aan dat dat niet het geval zal zijn. Wat is hier aan de hand? Er is hier sprake van correlatie, maar niet van een causaal verband (of logische oorzaak/gevolgrelatie). In dit geval is er een derde invloedsfactor (variabele): een zonnige dag. Dit is een belangrijke factor (maar wellicht niet de enige), die er voor zorgt dat het aantal bosbranden toeneemt, en ook het aantal verkochte ijsjes. Als de zonnige dag verandert naar een regenachtige, zullen de ijsverkoop en het aantal bosbranden dalen (wat in de winter natuurlijk het geval is, zoals we ook in de grafiek zien. Het causale verband tussen de zonnige dag en bosbranden is wellicht nog wat sterker dan die tussen de zonnige dag en de ijsverkoop (ook met Kerst wordt er veel ijs verkocht?)
Kennisclips
Ook Bert en Ernie uit Sesamstraat worstelen met de verwarring rond correlatie en causaliteit (kijk tot het einde!?)
Hier een meer statistische benadering van causaliteit en correlatie
En een het voorbeeld van de dodelijke ijsjes nog een keer toegelicht in een pleidooi voor een ijsjes-vrije wereld:
Extra bestanden
Er zijn geen extra bestanden voor dit onderdeel.
Extra literatuur
| Boek | hfst | pag | hoofdstuk titel |
| lean green belt (van Kollenburg) | 9.2.4 | 172 | Relaties tussen variabelen analyseren |
In deze artikelen zie je verschillende voorbeelden van hoe correlatie en causaliteit ook in het dagelijks leven en de politiek door elkaar gehaald worden.
Laatste wijziging: woensdag, 2 april 2025, 08:48