Echte Beispiele für Korrelation, die mit Kausalität verwechselt werden


17

Ich suche nach konkreten, realen Fällen, in denen ein Kausalzusammenhang unangemessen aus dem Nachweis einer Korrelation abgeleitet wurde.

Insbesondere interessiere ich mich für Beispiele, die die folgenden Kriterien erfüllen:

  • Das Vorhandensein des Kausalzusammenhangs wurde weit genug als Tatsache akzeptiert, um nennenswerte Auswirkungen (auf die öffentliche Ordnung, den Diskurs, individuelle Entscheidungen usw.) zu haben.
  • Der Zusammenhang wurde allein auf der Grundlage von Korrelationsnachweisen (möglicherweise zusammen mit dem Vorhandensein eines kohärenten, aber nicht nachgewiesenen Kausalmechanismus) geschlossen.
  • Die Kausalität wurde objektiv verfälscht oder zumindest in ernsthafte Zweifel gezogen.

Die beiden Beispiele, die mir in den Sinn kamen, sind nicht ganz ideal:

  1. Natriumaufnahme und Blutdruck: Soweit ich weiß, wurde seitdem festgestellt, dass die Salzaufnahme den Blutdruck nur bei natriumempfindlichen Personen erhöht. Die Existenz eines gültigen Kausalzusammenhangs (obwohl nicht ganz der ursprünglich akzeptierte) macht dieses Beispiel weniger überzeugend.
  2. Impfstoffe und Autismus: Ich habe möglicherweise den falschen Hintergrund, aber ich glaube, dieser Zusammenhang wurde sowohl aufgrund von Korrelationen als auch aufgrund von (betrügerischen) experimentellen Beweisen vermutet. Dieses Beispiel wird durch die Tatsache geschwächt, dass (gefälschte) direkte Beweise vorhanden waren.

Hinweis: Ich habe diese ähnliche Frage gesehen:

Beispiele für den Unterricht: Korrelation bedeutet nicht Kausalität

Meine Frage unterscheidet sich hauptsächlich dadurch, dass sie sich auf bemerkenswerte Beispiele aus der Praxis konzentriert und nicht auf Beispiele, bei denen ein Kausalzusammenhang eindeutig fehlt (z. B. Gewicht und musikalische Fähigkeiten).


4
In einer großen Stadt im Sommer korreliert die Mordrate positiv mit der Rate des Eiscremekonsums.
TTNPHNS

1
Eines Ihrer Kriterien lautet: "Kausalität wurde objektiv gefälscht oder zumindest in ernsthafte Zweifel gezogen." IMO das ist zu stark. Eine geschätzte Korrelation ist ein verzerrter Schätzer eines Kausaleffekts unter der Annahme einer gewissen Verwirrung. Im Allgemeinen interessieren sich die Menschen nicht nur für ihre Existenz, sondern auch für die Größenordnung der Auswirkungen.
generic_user

1
Ich wette auch, dass bei einer ausreichend großen Stichprobe eine RCT, die Eiscreme in heißen Städten zufällig zuordnet, einen negativen Effekt des Eiscremekonsums auf die Mordwahrscheinlichkeit hat.
generic_user

@ACD Ich stimme zu, um deutlich zu machen, dass RCTs immer noch eine Bedrohung für die kausale Folgerung darstellen.
Alexis

1
@ttnphns Das ist ein gutes Beispiel für die Art , dass ich bestimmt ausschließen mit meinen Kriterien, es sei denn , Sie sind darauf hindeutet , dass ein Irrglaube , dass Eis Verbrauch verursacht Mord nennenswerte Auswirkungen auf dem menschlichen Verhalten hat. ;-)
Aaron Novstrup

Antworten:


11

Viele Jahre lang haben große epidemiologische Beobachtungsstudien, die von Forschern unter Verwendung heuristischer Bradford-Hill-Kriterien interpretiert wurden , Beweise dafür erbracht, dass die Hormonersatztherapie (HRT) bei Frauen das Risiko für koronare Herzerkrankungen senkte, und dies wurde erst nach zwei großen randomisierten Studien nachgewiesen Im Gegenteil, das klinische Verständnis und die klinischen Empfehlungen zur HRT haben sich geändert. Dies ist eine klassische Warnung in der zeitgenössischen Epidemiologie, über die Sie in Lehrbüchern (z. B. Leon Gordis ' Epidemiologie ) und im Wikipedia-Artikel zu David Humes klassischer Maxime nachlesen können .

Das heißt, die Bradford Hill-Kriterien sind seit einiger Zeit nicht mehr als Stand der Technik zu verstehen, da kontrafaktische kausale Folgerungen ( a la Judea Pearl , Jamie Robbins , Sander Greenland und andere) der wirklich schwere Lifter sind. Es ist möglich, hinreichend starke kausale Schlussfolgerungen zu ziehen, ohne randomisierte Experimente durchzuführen, z. B. unter Verwendung instrumenteller Variablen , Mendelscher Randomisierung usw. (was für die Wissenschaft gut ist, da wir keine randomisierten Experimente an einem großen Teil des Universums durchführen können, wenn nicht sogar an den meisten ).


2
Dies ist eine großartige Antwort und genau die Art, auf die ich gehofft habe. Ich möchte jedoch andere potenzielle Antwortende darauf hinweisen, dass ein gutes Beispiel keine Schlussfolgerung betreffen muss, die von Forschern / Statistikern (und insbesondere nicht nur denjenigen, die die besten verfügbaren Methoden verwenden) gezogen wurde. Ein ebenso gutes Beispiel könnte vielmehr einen Fall beschreiben, in dem die Medien, die Öffentlichkeit oder eine andere Gruppe aus korrelativen Beweisen eine ungültige kausale Folgerung zogen (sofern diese falsche Folgerung bemerkenswerte Auswirkungen hatte).
Aaron Novstrup

4

Nicht das glamouröseste Thema, aber Nora T. Gedgaudas (Kap. 18) fasst die Erkenntnisse über die Rolle von Ballaststoffen bei der Vorbeugung von Darmkrebs sehr gut zusammen. Faser, die seit 25 Jahren als wichtiger Präventionsfaktor (basierend auf Korrelation) angesehen wird, wurde in der 16-jährigen, 88.000 Probanden umfassenden Krankenschwesterstudie als bloßes Korrelat anderer wichtiger Faktoren bewiesen. Dazu gehörte der Verzehr von Obst und Gemüse mit hohem Gehalt an bestimmten Nährstoffen (die das Risiko verringern) sowie von rotem Fleisch und insbesondere von verarbeitetem rotem Fleisch (die das Risiko erhöhen). Der Autor stellt fest, dass der Mythos selbst unter Ärzten "hartnäckig fortbesteht". Wie so oft ist es sehr schwierig, die Idee auszurotten, sobald ein Wort eines Musters herauskommt.


2
Vorbehalt: Die Nurses Studies waren auch Beobachtungsentwürfe. Zwar gibt es Strategien zur Stärkung der kausalen Inferenz, doch basieren die Daten aus diesen Studien auch auf Korrelationen.
Alexis

Obwohl Ihre Antwort ein gutes Beispiel dafür lieferte, dass experimentelle Kontrollen statistische übertroffen haben, stellt dies nicht unbedingt rein statistische Kontrollen in Frage, wie sie in anderen Fällen verwendet werden. Ich denke hier passen die statistischen Kontrollen sehr gut zur Rechnung.
Rolando2

1
Statistiken können die kausale Verzerrung nicht "kontrollieren": Dies ist eine Funktion des Studiendesigns. Jeder potenzielle Störfaktor, den man einem Modell hinzufügt, kann selbst den Kausalzusammenhang stören, den Sie schätzen möchten. Kausaler Rückschluss durch Studiendesign erfolgt durch kausale Identifizierbarkeit (die durch zufällige Zuordnung garantiert wird); Keine Methode zur Schätzung oder Schlussfolgerung kann dies vorsehen.
Alexis

3

Pellagra

Nach diesem Buchkapitel wurde Pellagra , eine Krankheit, die durch Schwindel, Lethargie, Wunden, Erbrechen und schweren Durchfall gekennzeichnet ist und im Süden der USA zu Beginn des 20. Jahrhunderts epidemische Ausmaße angenommen hatte, weitgehend einem unbekannten Krankheitserreger auf der Grundlage von a zugeschrieben Korrelation mit unhygienischen Lebensbedingungen. Dr. Joseph Goldberger war maßgeblich daran beteiligt, experimentell zu zeigen, dass die Krankheit tatsächlich durch eine schlechte Ernährung verursacht wurde, die (zusammen mit unhygienischen Lebensbedingungen) auf die weit verbreitete Armut im postbellalen Süden zurückzuführen ist. Seine Arbeit wurde bis in die späten 1930er Jahre weitgehend ignoriert, als die Forscher schließlich bewiesen, dass die Krankheit durch einen Mangel an Niacin verursacht wurde.

Augenkompetenztraining

Aus derselben Quelle - Eine Korrelation zwischen Lesefähigkeit und unregelmäßigen Augenbewegungen während des Lesens wurde als Beweis für einen Kausalzusammenhang in die falsche Richtung herangezogen , und "Augenbewegungstrainingsprogramme" wurden durchgeführt, um die Lesefähigkeit zu verbessern. Diese waren unwirksam, und spätere Arbeiten zeigten, dass die Kausalität in die entgegengesetzte Richtung verläuft; Leseschwierigkeiten führen zu Regressionen und Fixierungen bei armen Lesern.


Was für eine spätere Arbeit?
Rolando2

@ rolando2 weiß ich leider nicht. Dieses Buchkapitel zitiert "Olsen & Forsberg, 1993" für diese Behauptung, und ich vermute, dass es sich bei diesem Kapitel um visuelle Prozesse beim Lesen und bei Lesebehinderungen handelt . Dieses Papier stützt auch die Behauptung.
Aaron Novstrup

Wenn jemand dieses Buch übrigens erkennt , möchte ich den Link durch ein korrektes Zitat ersetzen. Der Link scheint von einer Psychokurs-Seite zu stammen und wird wahrscheinlich irgendwann verschwinden.
Aaron Novstrup

1
In ähnlichen Zeilen könnte man Malaria erwähnen, die, wie der Name vermuten lässt, durch schlechte Luft aufgrund einer Korrelation mit
Tieflandgebieten
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.