Eine falsche Beziehung bezieht sich auf den Anschein, dass eine kausale Beziehung zwischen Variablen besteht, obwohl sie in Wirklichkeit nicht existiert.
Bei zahlreichen Gelegenheiten scheint es kausale Beziehungen zwischen Variablen zu geben, obwohl es in Wirklichkeit keine gibt. Diese scheinbare Beziehung kann zufällig auftreten. Es gibt zahlreiche Fälle, in denen der Korrelationskoeffizient zwischen Variablen signifikant ist und kein kausaler Zusammenhang zwischen ihnen besteht. Das heißt, anscheinend verursacht eine Variable die andere, obwohl sie damit nichts zu tun haben.
Beispiel für eine falsche Beziehung
Ein Beispiel für einen falschen Zusammenhang kann der Zusammenhang zwischen der Körpergröße von 12- bis 18-jährigen Kindern und Mathematikkenntnissen sein.
Wenn Kinder älter werden, werden sie größer. Wenn Kinder älter werden, lernen sie im Laufe des Jahres mehr Mathematik und sind in der Lage, komplexere Probleme zu lösen. Angenommen, wir erheben eine statistische Stichprobe von Kindern zwischen 12 und 18 Jahren.
Wir konnten sehen, dass sie mit zunehmender Körpergröße (sie sind älter) in der Lage sind, komplexere mathematische Probleme zu lösen, aber führt die Körpergröße dazu, dass diese Kinder mehr Mathematik wissen? Offensichtlich nicht. Dies ist auf eine dritte Variable namens "Confounder" oder "versteckte Variable" zurückzuführen. In diesem Fall ist die verborgene Variable die intellektuelle Kapazität.
Wenn Kinder älter werden, nimmt ihre intellektuelle Kapazität zu und ihre numerischen Fähigkeiten werden verbessert. Diese Kinder sind in der Lage, immer komplexere Probleme zu lösen, zu denen sie in ihrer Jugend nicht fähig waren. Angesichts der Tatsache, dass sie mit zunehmendem Alter und Entwicklung ihrer intellektuellen Fähigkeiten größer werden, könnte es den Anschein haben, dass ein kausaler Zusammenhang zwischen der Größe der Kinder und ihren mathematischen Fähigkeiten besteht. Dies ist einfach Zufall, denn größer oder kleiner zu sein bedeutet nicht, dass Sie über größere mathematische Fähigkeiten verfügen können. Somit verursacht oder erklärt eine Variable die andere nicht.
Unterschied zwischen Korrelation und Kausalität
Beispiele wie dieses haben den Ausdruck "Korrelation impliziert keine Kausalität" geprägt. Siehe Unterschied zwischen Korrelation und Kausalität.
Sie müssen vorsichtig sein und Logik anwenden. Es kann vorkommen, dass bei der Darstellung verschiedener Variablen in Grafiken der Eindruck entsteht, dass sie miteinander in Beziehung stehen. Die Realität ist jedoch, dass wir einer falschen Beziehung gegenüberstehen. Je nachdem, welche Art von Grafik wir verwenden und welche Skala wir verwenden, können wir scheinbar sehr überzeugende Zusammenhänge finden. Bei der Suche nach einem kausalen Zusammenhang zwischen Variablen reichen daher eine grafische Darstellung und einfache Berechnungen nicht aus.