Pozorny związek odnosi się do pojawienia się, w którym istnieje związek przyczynowy między zmiennymi, podczas gdy w rzeczywistości nie istnieje.
W wielu przypadkach wydaje się, że między zmiennymi istnieją związki przyczynowe, podczas gdy w rzeczywistości ich nie ma. Ten pozorny związek może pojawić się przypadkowo. W wielu przypadkach współczynnik korelacji między zmiennymi jest istotny i nie ma między nimi związku przyczynowego. Oznacza to, że najwyraźniej jedna zmienna powoduje drugą, chociaż nie mają z tym nic wspólnego.
Przykład fałszywego związku
Przykładem fałszywego związku może być związek między wzrostem dzieci w wieku od 12 do 18 lat a znajomością matematyki.
Wraz z wiekiem dzieci stają się coraz wyższe. Gdy dzieci również się starzeją, przez rok uczą się więcej matematyki i są w stanie rozwiązywać bardziej złożone problemy. Załóżmy, że zbieramy próbkę statystyczną dzieci w wieku od 12 do 18 lat.
Widzieliśmy, że wraz ze wzrostem ich wzrostu (są starsze) są w stanie rozwiązać bardziej złożone problemy matematyczne, ale czy wzrost powoduje, że te dzieci wiedzą więcej z matematyki? Oczywiście, że nie. Jest to spowodowane trzecią zmienną o nazwie „zawijająca” lub „ukryta zmienna”. W tym przypadku ukrytą zmienną jest zdolność intelektualna.
Wraz z wiekiem dzieci wzrastają ich zdolności intelektualne i umiejętności liczenia. Te dzieci są w stanie rozwiązywać coraz bardziej złożone problemy, do których nie były zdolne, gdy były młodsze. Biorąc pod uwagę, że wraz z wiekiem i rozwojem zdolności intelektualnych stają się coraz wyższe, może się wydawać, że istnieje związek przyczynowy między wzrostem dzieci a ich umiejętnościami matematycznymi. To po prostu zbieg okoliczności, ponieważ bycie wyższym lub niższym nie oznacza posiadania większych zdolności matematycznych. Zatem jedna zmienna nie powoduje ani nie wyjaśnia drugiej.
Różnica między korelacją a przyczynowością
Takie przykłady ukuły wyrażenie „korelacja nie implikuje związku przyczynowego”. Zobacz różnicę między korelacją a przyczynowością.
Musisz być ostrożny i stosować logikę. Może się zdarzyć, że przy przedstawianiu różnych zmiennych na wykresach może się wydawać, że są one ze sobą powiązane. Jednak rzeczywistość jest taka, że mamy do czynienia z fałszywym związkiem. W zależności od tego, jakiego typu wykresu używamy i jakiej skali zastosujemy, możemy znaleźć pozornie bardzo przekonujące zależności. Dlatego przy poszukiwaniu związku przyczynowego między zmiennymi nie wystarczy przedstawienie graficzne i proste obliczenia.