Corrélation ne signifie pas causalité; mais qu'en est-il quand l'une des variables est le temps?

41

Je sais que cette question a été posée un milliard de fois, donc, après avoir regardé en ligne, je suis pleinement convaincu que la corrélation entre 2 variables n'implique pas une causalité. Au cours de l'une de mes conférences de statistiques d'aujourd'hui, nous avons entendu une conférence d'un physicien sur l'importance des méthodes statistiques en physique. Il a dit une déclaration étonnante:

la corrélation n’implique pas la causalité, SAUF une des variables est le temps. Ainsi, s’il existe une forte corrélation entre une variable indépendante et le temps, cela implique également une causalité.

Je n'avais jamais entendu cette déclaration auparavant. Les physiciens / relativistes voient-ils la "cause" différemment des statistiques?

correlation mathematical-statistics causality Thomas Moore
la source

12

C'est une déclaration vague et probablement fausse. Le temps ne cause pas grand chose sauf la décroissance radioactive. Le vocabulaire a tendance à s'améliorer avec l'âge mais il est entièrement médiatisé par la socialisation et l'éducation. Pouvez-vous décrire le contexte et le problème dans lequel cette déclaration a été affirmée?

AdamO

@AdamO Les conditions de causalité sont plus simples lorsque vous connaissez la préséance temporelle, mais elles ne sont pas aussi simples que dans cette question.

Neil G

2

On dirait presque qu'ils décrivent la causalité de Granger .

Barker

1

En notant simplement que si vous voulez vraiment savoir comment les physiciens voient la causalité, vous aurez plus de chances d’obtenir ces réponses sur la physique . Une version modifiée de cette question pourrait être sur le sujet là-bas.

David Z

2

J'ai entendu dire que l'ajout de temps à un modèle en tant que variable indépendante signifiait simplement que vous n'aviez pas passé beaucoup de temps à essayer de modéliser le processus de génération de données produisant vos variables dépendantes.

Alexis

37

Je vais fournir une autre réponse, car je pense que les réponses fournies manquent un point important de la déclaration du physicien. La déclaration citée est:

"la corrélation n'implique pas la causalité, SAUF une des variables est le temps. Donc, s'il existe une forte corrélation entre une variable indépendante et le temps, cela implique également la causalité."

Le physicien ne dit pas :

"Si X et Y sont corrélés et que X vient avant Y, la corrélation implique une causalité."

Ce serait inexact. Ce que le physicien est dit est:

"Si X et le temps sont corrélés, alors cette corrélation implique que l'augmentation du temps provoque une augmentation (ou une diminution) de X."

Un exemple pourrait être l'entropie. Si nous avons une forte corrélation entre le temps qui passe et l’entropie qui augmente, on pourrait dire que l’augmentation du temps provoque une augmentation de l’entropie. Notez que cela ignore les causes physiques de l’entropie croissante (décroissance des particules, univers en expansion, etc.).

L'une des exigences traditionnelles de la causalité est la progression dans le temps, à savoir que X ne peut causer Y que si X vient avant Y. Toutefois, si l'une de vos variables est le temps, la progression dans le temps est déjà intégrée à la relation (si une relation existe).

EDIT: Basé sur une variété de commentaires, je vais ajouter ce qui suit. Je pense que le physicien utilise peut-être une autre idée du mot "causation" ici. Il semble dire que s'il existe une corrélation entre une variable indépendante et le temps, vous pouvez en conclure que la variable indépendante change de manière prévisible au fil du temps. Certaines personnes pourraient dire que les changements sont "causés" par le temps qui passe. Ce n'est pas vraiment comment les statisticiens utilisent les mots "cause" ou "causation", de sorte que cela peut être source de confusion.

Duncan
la source

3

+1 Exactement, c'est aussi la façon dont j'ai interprété la déclaration (voir mes commentaires précédents & réponse)

Ruben van Bergen

5

Si vous voulez que le temps soit une variable dans votre modèle graphique, alors le temps n'a pas de cause et est la cause de tout. C’est donc une prétention vide de suggérer que le temps est la cause de quelque chose, car le temps est la cause de tout.

Neil G

2

Que ce soit vacant ou pas, c'est l'interprétation qui semble correspondre à ce que le physicien aurait dit. Ne tirez pas sur le messager;). De plus, j'estime qu'il est utile de préciser si l'objectif est d'éduquer les gens sur la relation entre corrélation et causalité, même si vous pensez qu'il est trivial de prendre en compte le facteur temps dans la pratique.

Ruben van Bergen

6

@ GeoMatt22 - Je ne suis pas d'accord avec l'idée du "temps cause tout". Envisagez de lancer une pièce de monnaie plusieurs fois - même si je le fais pendant des heures, je devrais tout de même avoir un ratio de têtes égal à 1/2, pour que le temps ne "provoque" pas la probabilité que les têtes ne montent ou ne descendent. Mettez un glaçon dans une pièce et sa température augmentera et il fondra à mesure que le temps passe - le temps "provoque" l'équilibre de température dans ce cas. Cela peut donner un sens différent au mot "cause" utilisé par les statisticiens, mais je pense que c'est une interprétation fonctionnelle du point de vue de la physique.

Duncan

6

Le fait est que vous ne considéreriez jamais une structure graphique dans laquelle toute variable entraîne le passage du temps. Par conséquent, la seule structure graphique est que le temps est la cause de toutes les autres variables. Il peut avoir une influence absolument pas sur eux (comme dans votre exemple), mais les flèches de cause à effet sont des revendications sur la structure graphique de cause à effet, ce qui implique des relations d'indépendance conditionnelle donné des observations et interventions . La force d'influence est une question distincte.

Neil G

15

Nous ne savons pas ce que le physicien voulait dire. Deux interprétations différentes suivent.

L'affirmation que précédant et étant corrélée à implique que cause est faux. Il ne suffit pas pour et à dépendre , même si précède . Par exemple, et peuvent tous deux être causés par une autre variable : . Ou bien, un schéma encore plus compliqué pourrait survenir: $X$ $Y$ $Y$ $X$ $Y$ $X$ $Y$ $X$ $Y$ $X$ $Y$ $W$ $X \leftarrow W \rightarrow Y$ $X \leftarrow V \rightarrow Z \leftarrow W \rightarrow Y$ où $Z$ Est observé. Or, et sont dépendants et n'ont pas de cause commune, mais ne causent ni l'un ni l'autre. $X$ $Y$

Cependant, la préséance temporelle simplifie grandement les conditions permettant d'affirmer une relation de cause à effet, ce que vous pouvez trouver dans le livre Causality de Pearl, chapitre 2.7 "Critères locaux pour les relations de causalité".

Une variable a une influence causale sur s'il existe une troisième variable et un contexte , les deux apparaissant avant , tels que: $X$ $Y$ $Z$ $S$ $X$

; $(Z\; \not\perp\!\!\!\!\perp Y \mid S)$

$(Z \perp\!\!\perp Y \mid S \cup X)$

Essentiellement, (1) implique que est une cause potentielle de étant donné la priorité temporelle et (2) implique que est capable de rompre cette relation, ce qui ne peut se produire que si provoque $Z$ $Y$ $X$ $X$ $Y$ .

Cette condition est beaucoup plus simple que la définition de Pearl pour une cause véritable sans information temporelle.

Une autre possibilité évoquée dans certaines des autres réponses est que le physicien voulait dire que si est le passage du temps et il est en corrélation avec , puis cause . Cette affirmation est correcte, mais vide car le temps qui passe est la cause de toutes les autres variables, ce qui signifie que la structure graphique causale est celle-ci. Une structure graphique causale est un ensemble d'allégations sur les relations d'indépendance à partir d'observations et d'interventions. $X$ $Y$ $X$ $Y$

Neil G
la source

2

Comme je l'ai mentionné dans les commentaires sur la réponse de GeoMatt22, je ne pense pas que la déclaration du physicien ait quelque chose à voir avec la priorité.

Ruben van Bergen

2

@RubenvanBergen Comme je l'ai expliqué dans une autre réponse, cette interprétation est vide. Le temps fait tout.

Neil G

Dans votre exemple,

,

et

seraient dépendants, mais non corrélés (sauf si

et

sont corrélés via une connexion que vous n'avez pas spécifiée).

X \leftarrow V \to Z \leftarrow W \to Y

$X \leftarrow V \rightarrow Z \leftarrow W \rightarrow Y$

X

$X$

Y

$Y$

V

$V$

W

$W$

Ruben van Bergen

@RubenvanBergen Ils pourraient être corrélés. Cela dépend de la nature des dépendances. A propos, j’ai dit que

et

sont dépendants étant donné

observé.

X

$X$

Y

$Y$

Z

$Z$

Neil G

1

@RubenvanBergen Je pense que vous avez mal compris les flèches. Ce sont des flèches de cause à effet, et les informations peuvent découler de

à

en raison de l' explication loin à

. Considérez que

est "Pluie",

est "Arroseur éteint",

est un sol humide,

est le son de la pluie et

est un indicateur de l'extinction de l'arroseur. Maintenant, étant donné que le sol est humide,

est corrélé à

raison de son absence.

V

$V$

W

$W$

Z

$Z$

V

$V$

W

$W$

Z

$Z$

X

$X$

Y

$Y$

X

$X$

Y

$Y$

Neil G

10

Je suppose que votre conférencier invité voulait dire qu'en physique, les seules corrélations qui survivent à la réplication sont celles où il existe une relation de cause à effet. La variable de temps est une exception car c'est la seule variable qui n'est pas contrôlée par le physicien. Voici pourquoi.

En physique, nous traitons généralement avec des phénomènes et des expériences répétables. En fait, il est presque évident que toute expérience est répétable et peut être reproduite par vous plus tard ou par d'autres chercheurs. Donc, supposons que vous observiez un échantillon où sont des observations de la variable d’intérêt et des variables indépendantes . Comme je l'ai mentionné ci-dessus, nous contrôlons pleinement les variables $y_i,x_{ki}$ $x_k$ $x_{k}$ et pouvons leur attribuer la valeur de votre choix.

Votre gars physicien dit que dans cette configuration , vous ne verrez aucune corrélation moins qu'il y ait un lien de cause à effet. Pourquoi? Parce que quelqu'un d'autre ou même vous-même répétez l'expérience avec toute combinaison et séquence de , et seules les corrélations avec les relations de cause à effet survivront aux réplications d'une expérience. Toutes les autres corrélations (parasites) disparaîtront une fois que vous aurez collecté suffisamment de données dans toutes les combinaisons possibles d'une expérience. $Corr[y,x_{k}]$ $x_{kj}$

Cette situation contraste fortement avec les sciences sociales et certaines applications commerciales dans lesquelles il est impossible de faire des expériences. Vous n’observez qu’une séquence du PIB d’un pays, vous ne pouvez pas changer le chômage en considérant que tout le reste est égal et vous observez les corrélations.

Maintenant, le temps est la seule variable qu'un physicien ne peut pas contrôler. Il n'y a qu'un seul 1 janvier 2017. Il ne peut pas répéter cette journée. Il peut répéter n'importe quelle autre variable, mais pas le temps. C'est pourquoi quand il s'agit de temps ( pas de temps écoulé ni de son âge), un physicien est dans le même bateau que tout le monde: la corrélation n'implique pas pour lui une causalité.

Aksakal
la source

5

Je n'ai jamais entendu cela auparavant, et ce ne serait pas vrai selon les conceptions de la causalité que je connais bien (même si je ne suis pas physicien).

Généralement, pour que cause il est nécessaire que précède dans le temps. Donc, si précède il ne peut pas être "causé" par , indépendamment de toute corrélation. De plus, précédant n'est pas une condition suffisante pour le lien de causalité (également indépendamment de toute corrélation). $X$ $Y$ $X$ $Y$ $Y$ $X$ $X$ $X$ $Y$

GeoMatt22
la source

1

Je pense que vous comprenez mal ce que ce physicien voulait dire. Je pense qu'ils faisaient référence à une situation où deux variables sont corrélées l'une avec l'autre et l'une de ces variables est le temps. Vous supposez qu'aucune de ces variables n'est le temps, mais que le temps entre en jeu, une variable précède l'autre.

Ruben van Bergen

3

J'essayais d'indiquer qu'un laps de temps est généralement nécessaire pour qu'un changement de

soit "provoqué" par quelque chose, mais une corrélation de

rapport à

n'est pas généralement qualifiée de "causalité" (un

est nécessaire mais insuffisant). Je voulais dire que je ne sais pas si c'est ce que le physicien voulait dire ou non. J'imagine qu'un physicien dirait généralement "la diminution du carbone 14 au cours du temps est causée par une décroissance radioactive )" plutôt que "... causée par le passage du temps". (Bien que peut-être " nécessite le passage du temps".)

Y

$Y$

Y_{t}

$Y_t$

t

$t$

Δ t

$\Delta{t}$

GeoMatt22

@RubenvanBergen peut-être que le conférencier essayait d'exprimer une version simplifiée de quelque chose comme ce que Wikipedia semble appeler " structure causale "? La corrélation avec le temps (sur des échelles suffisamment fines) impliquerait une différentiabilité dans le "sens du temps". Je me trompe peut-être, mais en parcourant Wikipedia, nous suggérons un usage similaire à celui que j’ai écrit plus haut: "structure causale" définit ce que "précède" signifie. Mais cela me semble toujours "nécessaire mais pas suffisant".

GeoMatt22

Je me fie simplement à la citation de la question: "la corrélation n'implique pas la causalité, SAUF une des variables est le temps. Donc, s'il existe une forte corrélation entre une variable indépendante et le temps, cela implique également la causation". Pour moi, cela implique que nous ayons une variable X corrélée au temps. Nous concluons que le passage du temps provoque X plutôt que X provoque le passage du temps, car ce dernier est insensé.

Ruben van Bergen

4

Je ne pense pas que le temps soit nécessairement unique dans ce domaine, mais c'est certainement un bon exemple. Le fait est que généralement si A & B sont corrélés, vous pouvez supposer qu'il existe une causalité commune, mais vous ne savez pas si A est la cause de B ou B cause de A, ou peut-être une troisième variable C provoque-t-elle les deux A & B. Dans certains cas, vous pouvez exclure que toute autre variable soit à l'origine de A, et il doit donc s'agir de A à l'origine de B. L'un de ces exemples est une expérience contrôlée dans laquelle vous , l'expérimentateur, contrôlez A. Ensuite, si le changement que vous apportez Un "corrèle" avec un changement de B, vous savez que ce doit être A qui a causé le changement de B, et non l'inverse.

Un autre type de scénario, celui dans lequel cet exemple s'inscrit dans le temps passé est le suivant: vous savez simplement qu'aucune autre variable ne peut avoir causé A car vous savez que rien ne peut influencer A. Depuis, le temps s'écoule de 1 seconde à la fois, peu importe la durée. de toute autre variable dans le monde, alors si le temps est en corrélation avec les changements dans une variable qui vous intéresse (par exemple, le nombre de personnes sur la planète), vous savez avec certitude que le passage du temps a probablement entraîné le changement de cette variable. que votre variable faisant en sorte que le temps passe ou qu’elle change d’une autre manière (c’est-à-dire que le temps ne va pas parce que plus de personnes sont nées, il faut que ce soit l’inverse).

Bien entendu, vous ne savez toujours pas si la causalité est directe. Vraisemblablement, le temps lui-même ne produit pas automatiquement plus d'êtres humains. Au contraire, le développement de l'histoire entraîne des progrès dans divers aspects de la société, ce qui entraîne une augmentation de la taille de la population (et même une simplification de nombreuses petites relations causatives). Mais quels que soient les facteurs en jeu, vous savez certainement que A (en définitive) mène à B et non l'inverse.

Ruben van Bergen
la source

Dans votre premier paragraphe, vos trois cas ne sont pas exhaustifs. Il existe d'autres structures graphiques compatibles avec la corrélation.

Neil G

A

$A$

A

$A$

B

$B$

1

Comme je l'ai dit dans une autre réponse, l'idée d'interpréter "le temps qui passe" comme variable et d'affirmer qu'il doit être à l'origine d'une autre variable est vide de sens. Cette variable de temps est la cause de tout.

Neil G

De manière générale, je suis à peu près sûr que les options que j'ai énumérées sont toutes les possibilités. Nous pouvons soit avoir A causant B ou B causant A (directement ou indirectement), ou nous pouvons avoir autre chose causant les deux A & B. Bien sûr, des combinaisons de celles-ci sont également possibles, où par exemple A a un effet causal sur B, mais à En même temps, un troisième facteur C affecte également A et B de manière causale. Et puis, je suppose que la coïncidence est une autre option, mais c'est ennuyeux. Mais je serais curieux d'apprendre d'autres possibilités.

Ruben van Bergen

1

Regarde ma réponse. J'ai illustré un quatrième cas, bien qu'il y en ait beaucoup plus.

Neil G

4

En réalité, la corrélation implique une relation de cause à effet.

Peut-être que A a causé B, ou C a causé A et B.

Cependant, la corrélation ne prouve pas la causalité.

Cela va de soi.

L1-A
la source

5

Un coup d'œil autour des réponses et des commentaires suggère que la conversation a dépassé de telles banalités. Je recommande de revoir certains des messages pour aider à comprendre les problèmes.

whuber

3

J'interpréterais cela comme un argument sémantique plutôt que mathématique / statistique. Je prendrais aussi cela comme une généralisation assez sévère.

Les critères de Bradford Hill , souvent utilisés en épidémiologie, fournissent un bon cadre pour la réflexion sur la causalité. Rien ne peut prouver de manière définitive la causalité, que le temps soit un facteur ou non, et je suppose que le conférencier n'essayait pas de faire une telle affirmation. Cependant, de nombreux facteurs différents peuvent être utilisés comme arguments raisonnables pour le lien de causalité.

Par exemple, les critères de Bradford Hill suggèrent que la force de l'association entre les variables peut fournir une preuve du lien de causalité, mais n'est pas suffisante en soi. De même, une association compatible avec d'autres faits connus ou présumés peut suggérer une causalité plus fortement qu'une association incompatible avec les connaissances prédominantes. La temporalité est également l'un des critères - une cause doit précéder son effet. Une association et les inférences que nous faisons sur la causalité doivent avoir un sens temporel. Je recommande de revoir les autres critères. Certaines sont spécifiques à l’épidémiologie et ne sont pas aussi applicables à la physique, mais c’est toujours une façon de penser utile.

Le point principal est que, même si aucun élément de preuve ne prouve de manière définitive le lien de causalité, vous pouvez en faire la preuve en vous basant sur un certain nombre de vérifications logiques différentes. Je dirais que donner la priorité absolue à un critère, tel que le temps, n’est pas approprié, mais que la temporalité peut être un facteur important lorsqu’on fait valoir que la causalité est plausible.

Cela conduit à un point plus large sur les statistiques: en règle générale, nous utilisons des statistiques pour argumenter. Nous utilisons des données et des outils statistiques pour faire un certain point. Souvent, les mêmes données (et même les mêmes outils) peuvent être utilisées pour créer des points contradictoires. Nous ne pouvons pas localiser la preuve définitive de la causalité dans le calcul lui-même, mais nous pouvons déployer nos outils statistiques dans le cadre d’un argument plus large. Pour plus d'informations à ce sujet, je recommande Statistiques d'Abelson comme argument de principe.

Pour revenir à la situation initiale, supposons que vous ayez fait une expérience sur l’effet de la concentration d’un certain produit chimique dans une solution sur la température de cette solution. Vous pensez que l'ajout de plus de ce produit chimique entraînera une réaction qui augmente la température. Vous ajoutez plus progressivement au fil du temps. Vous pouvez regarder la température en fonction du temps et voir une augmentation. Tout cela montre que la température augmente avec le temps; cela ne prouve pas que le temps lui-même (ou quoi que ce soit d'autre) a un effet causal. Cependant, il fournit certaines preuves dans un argument plus large qu'une concentration accrue de ce produit chimique entraîne une réaction qui augmente la température.

djlid
la source

C'est une pensée particulière d'appliquer le critère de Hill de la "préséance temporelle" à une exposition du temps lui-même. Le temps a certainement précédé le temps lui-même. Les tendances, comme nous le savons, sont rarement causales mais reflètent un autre phénomène simultané . Dans cet exemple, je ne pense pas que le temps ait causé quoi que ce soit, mais résume les changements globaux dans les paramètres qui affectaient à la fois l'exposition et les résultats.

AdamO

Je ne dis pas que nous appliquons l'argument au temps lui-même, mais plutôt que si nous avons du temps dans nos données, nous pouvons l'utiliser pour intégrer une partie d'un argument plus large en faveur de la causalité. En démontrant que nos observations ont un sens temporel, nous nous rapprochons d'un argument de causalité raisonnable. Espérons que nous aurions beaucoup plus que cela à travailler avec afin de créer un argument plus fort.

djlid

3

La phrase est assez simple et ne mérite pas d’être trop réfléchie (et n’a rien à voir avec la préséance).

S'il existe une corrélation établie entre une variable et le temps (c'est-à-dire que nous savons qu'une augmentation de temps s'accompagne d'une augmentation de la variable, et que ceci est une donnée ), nous connaissons la direction "causale": c'est-à-dire que le temps augmente, les causes la variable à augmenter.

Parce que l'hypothèse alternative de "nah-euh, il se pourrait que le temps n'augmente que parce que la variable augmentée en premier " ne peut tout simplement pas tenir compte de la façon dont le temps fonctionne.

Cela peut sembler une observation idiote, mais cela a des implications importantes pour la conception de l’étude, qui tente de prouver une direction causale. Un exemple important en médecine est la différence entre une étude transversale et une étude de cohorte.

Par exemple, une étude transversale essayant de trouver un lien entre le tabagisme et le cancer pourrait prendre un groupe de personnes, le diviser en fumeurs / non-fumeurs et voir combien dans chaque groupe ont un cancer par rapport à un cancer. Toutefois, il s’agit là d’une faible preuve, car une corrélation entre le tabagisme et le cancer pourrait également être interprétée comme suit: "les personnes atteintes du cancer ont plus de chances de commencer à fumer".

Toutefois, si vous effectuez une étude de cohorte, c’est-à-dire prenez un groupe de fumeurs et un groupe de non-fumeurs, suivez-les au fil du temps et mesurez la variable "cancer chez les fumeurs moins le cancer chez les non-fumeurs" et établissez une corrélation de cette variable avec le temps (selon des hypothèses raisonnables, de sorte que le montant du tabagisme une fois commencé est constant et indépendant du temps, etc.), alors vous savez que le "temps" est la cause de la différence de cancer, car vous ne pouvez pas affirmer que les taux de cancer sont en augmentation temps a passé plus de temps dans le groupe fumeur. Vous pouvez donc faire valoir un lien de causalité entre le temps qui passe et une différence de cancer positive liée à des taux plus élevés dans le groupe des fumeurs. (ou, plus simplement, le temps passé dans le groupe des fumeurs entraîne une augmentation proportionnelle du risque de cancer).

En outre, la faiblesse de l’étude transversale, c’est-à-dire la possibilité que "les personnes cancéreuses soient plus susceptibles de commencer à fumer", a maintenant disparu, car le fait de fumer en tant que variable a été écarté du "temps par rapport au cancer". équation (supposée ici constante et donc non affectée par le temps). En d’autres termes, en formulant l’étude de cette manière, nous avons examiné une direction causale très spécifique . Si nous voulions examiner la mesure dans laquelle l' inverse direction de cause à effet s'applique ( à savoir quelle est la probabilité que les personnes qui finira par avoir un cancer doivent prendre fumer au fil du temps), nous aurions nécessairement à concevoir une étude de cohorte divisée en "cancer du futur versus cancer sans avenir" et mesurez l'absorption du tabagisme au fil du temps.

Mise à jour répondant aux commentaires:

Notez qu'il s'agit d'une discussion sur une direction causale plutôt que sur la recherche d'un lien de causalité direct. La question de la confusion est une question distincte. (il n'y a rien à penser qu'il n'y a pas un organisme indépendant troisième variable à la fois vous rend plus susceptible d'être un fumeur et augmente vos chances de cancer avec le temps). Autrement dit, en termes de causalité contrefactuelle, nous n’avons pas montré de manière définitive que "s’ils n’avaient pas fumé, ces personnes n’auraient pas eu le cancer". Mais nous avons montré que "l'association entre groupe fumeur et cancer n'aurait pas augmenté si le temps n'avait pas passé". (c’est-à-dire que l’association n’est pas due à un instantané de la préférence des personnes atteintes du cancer de préférer faire partie du groupe de fumeurs, mais qu’elle se renforce avec le temps).

Tasos Papastylianou
la source

4

"Par conséquent, vous pouvez invoquer un lien de causalité entre le temps qui passe et le développement d'un cancer en raison de votre statut de fumeur. (Ou, plus simplement, le temps passé à fumer entraîne une augmentation proportionnelle du risque de cancer)." - Non, tu ne peux pas faire ça. Les fabricants de cigarettes soutenus par Sir Ronald Fisher (!) Ont affirmé pendant des années que la prédisposition génétique était une cause potentielle courante de tabagisme et de cancer. Cet exemple même se trouve à la fin du livre de Pearl (p. 353).

Neil G

@NeilG non, je maintiens mon exemple tel qu'il est formulé. Ce que vous dites n’est pas une causalité inverse, mais une source de confusion. Mon exemple actuel montre que le temps passé dans le groupe des fumeurs est associé à une augmentation des taux de cancer. Cela en soi ne prouve pas que la "prédisposition génétique" ne soit pas le moteur de l'augmentation des taux dans le groupe des fumeurs. Deux choses différentes. Le point ici est que l'introduction de la direction causale en tant que variable temporelle élimine l'argument de la "causalité inverse" (le cancer vous incite à fumer), mais pas celui qui "confond".

Tasos Papastylianou

1

Votre commentaire est correct, mais il ne semble pas correspondre à ce que vous avez écrit. Vous avez écrit que "le temps passé à fumer entraîne une augmentation proportionnelle du risque de cancer". C'est injustifié.

Neil G

1

@NeilG assez bien, vous avez raison. Je ne m'attendais pas à un tel examen, hahah. Je vais reformuler un peu plus précisément.

Tasos Papastylianou

Pourquoi est-il nécessairement que l'avancement du temps est sans cause? Comment pouvons-nous exclure de manière aussi concluante la possibilité qu'il y ait quelque chose qui cause du temps pour avancer? Cela me semble être une affirmation extrêmement extraordinaire qui nécessiterait des preuves exceptionnellement solides.

David Schwartz

3

C’est vraiment une question de savoir comment établir une causalité, car les événements qui sont liés mais non causatifs seront vraisemblablement corrélés dans le temps ou dans l’espace. Alors, en regardant certaines données corrélées, comment pouvons-nous déterminer si la relation est dépendante? Un conseiller en recherche avisé m'a dit un jour: "la corrélation ne signifie pas la causalité, elle vous indique simplement où regarder".

Considérons la situation dans laquelle les événements A et B sont corrélés temporellement ou spatialement. Si nous souhaitons étudier la préposition selon laquelle A est la cause de B , la pensée traditionnelle consiste à introduire des tests de nécessité et de suffisance - ce que signifie réellement la causalité.

Si l’absence de l’ événement A entraîne l’absence de l’ événement B , il peut être qualifié de nécessaire .
Si seul l' événement A mène à l' événement B , il peut être appelé suffisant .

Si ne pas avoir de lait me fait aller au magasin , ce que nous disons n'est pas que je vais dans mon lait vide et conduis. Une causalité absolue signifierait que chaque fois que j'ai encore du lait , je ne peux pas être dérangé d'aller au magasin; et inversement, chaque fois que je suis au magasin, c'est parce que je n'ai pas de lait. Maintenant, il est facile de voir le problème de l'établissement positif de la causalité au sens strict du terme: la plupart des choses ne sont pas absolument causales. Il y a beaucoup d'autres raisons pour lesquelles je pourrais aller au magasin qui ne sont pas liées à l'état de lait.

C'est un moyen facile de distinguer un bon papier d'un bon papier. Lors de recherches approfondies, vous verrez partout des tests de suffisance et de nécessité. Affirmer que le médicament A à petites molécules pourrait entraîner le désassemblage du complexe protéique B? Vous verrez immédiatement les tests:

nécessité ----test---- ----result---- everything but B --> [nothing] (check for false positive) everything but A --> assembled everything with A-like compound --> assembled (control group)

suffisance A + B alone (in vitro) --> disassembled (check for false negative) A + B + everything --> disassembled (trial group)

C’est la manière traditionnelle de construire un argument inductif en faveur de la causalité en utilisant expérimentalement la corrélation, et c’est ce que je suis convaincu que votre conférencier a éludé!

Jdbiochem
la source

1

Juste pour souligner le point, la dépendance du temps n'implique pas non plus la causalité. Nous pouvons avoir cet événement A qui mène souvent à l'événement B et c'est B qui cause C et non A. Cependant, A sera corrélé avec C mais ne le causera pas.

Michael R. Chernick

Corrélation ne signifie pas causalité; mais qu'en est-il quand l'une des variables est le temps?

Réponses: