Umgekehrte kausalität: definition und beispiele

Umgekehrte Kausalität liegt vor, wenn man denkt, dass X Y verursacht, während Y in Wirklichkeit tatsächlich X verursacht.

Dies ist ein häufiger Fehler, den viele Menschen machen, wenn sie zwei Phänomene betrachten und fälschlicherweise annehmen, dass eines die Ursache und das andere die Wirkung ist.

Beispiel 1: Rauchen und Depression

Ein häufiger Irrtum der umgekehrten Kausalität betrifft Rauchen und Depressionen.

In einer Beobachtungsstudie könnten Forscher beobachten, dass Menschen, die mehr rauchen, tendenziell depressiver sind. Daher gehen sie möglicherweise naiv davon aus, dass Rauchen Depressionen verursacht .

Es ist jedoch möglich, dass die Forscher einen Rückzieher machen und dass Depressionen Menschen tatsächlich zum Rauchen treiben, weil sie darin eine Möglichkeit sehen, negative Emotionen zu lindern und Dampf abzulassen.

Beispiel 2: Einkommen und Glück

Ein weiterer häufiger Fehler der umgekehrten Kausalität betrifft das gemeldete Jahreseinkommen und das Glücksniveau.

In einer Beobachtungsstudie könnten Forscher beobachten, dass Menschen mit einem höheren Jahreseinkommen möglicherweise auch angeben, im Leben insgesamt glücklicher zu sein. Sie können also einfach davon ausgehen, dass ein höheres Einkommen zu mehr Glück führt.

In Wirklichkeit kann es jedoch sein, dass Menschen, die von Natur aus glücklicher sind, tendenziell bessere Arbeitskräfte werden und somit ein höheres Einkommen erzielen. Forscher könnten den Zusammenhang also tatsächlich umkehren. Ein höheres Einkommen führt möglicherweise nicht zu mehr Glück. Mehr Glück könnte die Ursache für höheres Einkommen sein.

Beispiel 3: Drogenkonsum und psychisches Wohlbefinden

Ein weiteres Beispiel für umgekehrte Kausalität betrifft den Drogenkonsum und das psychische Wohlbefinden.

In einer Beobachtungsstudie könnten Forscher feststellen, dass Menschen, die Drogen konsumieren, möglicherweise auch ein geringeres psychisches Wohlbefinden haben. Forscher könnten dann naiv annehmen, dass Drogenkonsum zu einem geringeren psychischen Wohlbefinden führt .

In Wirklichkeit kann es sein, dass Menschen, die von Natur aus über ein geringeres Wohlbefinden verfügen, eher Drogen konsumieren, was bedeutet, dass sich der tatsächliche Zusammenhang zwischen Drogenkonsum und psychischem Wohlbefinden umkehrt.

Kausalität beurteilen

Eine Möglichkeit, die Kausalität zwischen einem Phänomen zu beurteilen, ist die Verwendung der Bradford-Hill-Kriterien , einer Reihe von neun Kriterien, die 1965 vom englischen Statistiker Sir Austin Bradford Hill vorgeschlagen wurden und den Nachweis eines Kausalzusammenhangs zwischen zwei Variablen erbringen sollen.

Die neun Kriterien sind:

1. Stärke: Je größer der Zusammenhang zwischen zwei Variablen ist, desto wahrscheinlicher ist es, dass er kausal ist.

2. Konsistenz: Konsistente Ergebnisse, die von verschiedenen Forschern an verschiedenen Orten und mit unterschiedlichen Proben beobachtet wurden, erhöhen die Wahrscheinlichkeit, dass ein Zusammenhang kausal ist.

3. Spezifität: Kausalität ist wahrscheinlich, wenn es an einem bestimmten Ort eine ganz bestimmte Population und eine Krankheit gibt, für die es keine andere wahrscheinliche Erklärung gibt.

4. Zeitlichkeit: Die Wirkung muss nach der Ursache eintreten.

5. Biologisches Gefälle: Eine größere Exposition sollte im Allgemeinen zu einem stärkeren Auftreten des Effekts führen.

6. Plausibilität: Ein plausibler Mechanismus zwischen Ursache und Wirkung ist nützlich.

7. Konsistenz: Die Konsistenz zwischen epidemiologischen und Laborergebnissen erhöht die Wahrscheinlichkeit einer Wirkung.

8. Experiment: Experimentelle Beweise erhöhen die Wahrscheinlichkeit, dass ein Zusammenhang kausal ist, da andere Variablen während Experimenten kontrolliert werden können.

9. Analogie: Die Verwendung von Analogien oder Ähnlichkeiten zwischen der beobachteten Assoziation und jeder anderen Assoziation kann die Wahrscheinlichkeit eines Kausalzusammenhangs erhöhen.

Durch die Verwendung dieser neun Kriterien können Sie Ihre Chancen erhöhen, einen Ursache-Wirkungs-Zusammenhang zwischen zwei Variablen korrekt identifizieren zu können.