ความสัมพันธ์ไม่ได้หมายความถึงสาเหตุ: 5 ตัวอย่างที่เป็นรูปธรรม

วลี ” ความสัมพันธ์ไม่ได้หมายความถึงสาเหตุ ” มักใช้ในสถิติเพื่อเน้นว่าความสัมพันธ์ระหว่างตัวแปรสองตัวไม่จำเป็นต้องหมายความว่าตัวแปรตัวหนึ่งทำให้เกิดตัวแปรอีกตัวหนึ่ง

เพื่อให้เข้าใจสำนวนนี้ได้ดีขึ้น ให้พิจารณาตัวอย่างที่เป็นรูปธรรมต่อไปนี้

ตัวอย่างที่ 1: การขายไอศกรีมและการโจมตีของฉลาม

หากเรารวบรวมข้อมูลยอดขายไอศกรีมรายเดือนและการโจมตีของฉลามรายเดือนในสหรัฐอเมริกาในแต่ละปี เราจะพบว่าตัวแปรทั้งสองมีความสัมพันธ์กันสูง

นี่หมายความว่าการกินไอศกรีมทำให้เกิดการโจมตีของฉลามใช่หรือไม่?

ไม่พอ. คำอธิบายที่เป็นไปได้มากที่สุดก็คือ ผู้คนจำนวนมากขึ้นกินไอศกรีมและว่ายน้ำในมหาสมุทรเมื่ออากาศข้างนอกอุ่นขึ้น ซึ่งอธิบายว่าทำไมตัวแปรทั้งสองนี้จึงมีความสัมพันธ์กันสูง

แม้ว่าการขายไอศกรีมและการโจมตีของฉลามจะมีความสัมพันธ์กันสูง แต่ก็ไม่ได้ทำให้เกิดอีกสาเหตุหนึ่ง

ตัวอย่างที่ 2: ความเชี่ยวชาญและรายได้จากบ็อกซ์ออฟฟิศ

หากเรารวบรวมข้อมูลเกี่ยวกับจำนวนปริญญาโททั้งหมดที่มหาวิทยาลัยมอบให้ในแต่ละปี และรายได้รวมในบ็อกซ์ออฟฟิศที่เกิดขึ้นต่อปี เราจะพบว่าตัวแปรทั้งสองมีความสัมพันธ์กันสูง

นี่หมายความว่าการออกปริญญาโทมากขึ้นจะทำให้รายได้ในบ็อกซ์ออฟฟิศเพิ่มขึ้นในแต่ละปีหรือไม่?

ไม่พอ. คำอธิบายที่เป็นไปได้มากที่สุดก็คือ ประชากรโลกเพิ่มขึ้นทุกปี ซึ่งหมายความว่าในแต่ละปีจะมีการมอบปริญญาโทมากขึ้น และจำนวนผู้ที่ไปชมภาพยนตร์ในแต่ละปีก็เพิ่มขึ้นในสัดส่วนที่เท่ากันโดยประมาณ

แม้ว่าตัวแปรทั้งสองนี้จะมีความสัมพันธ์กัน แต่ก็ไม่ได้ทำให้เกิดตัวแปรอื่น

ตัวอย่างที่ 3: การจมน้ำในสระว่ายน้ำที่เกี่ยวข้องกับการผลิตพลังงานนิวเคลียร์

หากเรารวบรวมข้อมูลจำนวนการจมน้ำในสระว่ายน้ำทั้งหมดในแต่ละปีและปริมาณพลังงานทั้งหมดที่ผลิตได้ในแต่ละปีโดยโรงไฟฟ้านิวเคลียร์ เราจะพบว่าตัวแปรทั้งสองมีความสัมพันธ์กันสูง

นี่หมายความว่าการจมน้ำที่เพิ่มขึ้นในสระว่ายน้ำกำลังนำไปสู่การผลิตพลังงานนิวเคลียร์ที่เพิ่มขึ้นหรือไม่?

ไม่อย่างแน่นอน คำอธิบายที่เป็นไปได้มากที่สุดก็คือจำนวนประชากรโลกเพิ่มขึ้น ซึ่งหมายความว่าผู้คนจำนวนมากจมน้ำในสระว่ายน้ำ และการผลิตพลังงานนิวเคลียร์ก็เริ่มมีประสิทธิภาพมากขึ้นทุกปี ซึ่งเป็นเหตุผลว่าทำไมจึงเพิ่มขึ้น

แม้ว่าตัวแปรทั้งสองนี้จะมีความสัมพันธ์กันสูง แต่ก็ไม่ได้ทำให้เกิดตัวแปรอื่น

ตัวอย่างที่ 4: กรณีโรคหัดที่เกี่ยวข้องกับอัตราการแต่งงาน

หากเรารวบรวมข้อมูลในแต่ละปีเกี่ยวกับจำนวนผู้ป่วยโรคหัดทั้งหมดในสหรัฐอเมริกาและอัตราการแต่งงาน เราจะพบว่าตัวแปรทั้งสองมีความสัมพันธ์กันสูง

นี่หมายความว่าจำนวนผู้ป่วยโรคหัดที่น้อยลงส่งผลให้อัตราการแต่งงานลดลงใช่หรือไม่?

ไม่อย่างแน่นอน แต่ตัวแปรทั้งสองนั้นมีความเป็นอิสระ กล่าวคือ การแพทย์แผนปัจจุบันส่งผลให้ผู้ป่วยโรคหัดลดลง และในแต่ละปีมีคนแต่งงานกันน้อยลงด้วยเหตุผลหลายประการ

แม้ว่าตัวแปรทั้งสองนี้จะมีความสัมพันธ์กันสูง แต่ก็ไม่ได้ทำให้เกิดตัวแปรอื่น

ตัวอย่างที่ 5: ผู้สำเร็จการศึกษาระดับมัธยมปลายที่เกี่ยวข้องกับการบริโภคพิซซ่า

หากเรารวบรวมข้อมูลในแต่ละปีเกี่ยวกับจำนวนผู้สำเร็จการศึกษาระดับมัธยมปลายและการบริโภคพิซซ่าทั้งหมดในสหรัฐอเมริกา เราจะพบว่าตัวแปรทั้งสองมีความสัมพันธ์กันสูง

นี่หมายความว่าจำนวนผู้สำเร็จการศึกษาระดับมัธยมศึกษาตอนปลายที่เพิ่มขึ้นส่งผลให้การบริโภคพิซซ่าในสหรัฐอเมริกาเพิ่มมากขึ้นใช่หรือไม่

ไม่พอ. คำอธิบายที่เป็นไปได้มากที่สุดก็คือจำนวนประชากรในสหรัฐฯ เพิ่มขึ้นเมื่อเวลาผ่านไป ซึ่งหมายความว่าจำนวนผู้ที่มีประกาศนียบัตรมัธยมศึกษาตอนปลายและจำนวนพิซซ่าที่บริโภคทั้งหมดจะเพิ่มขึ้นตามจำนวนประชากรที่เพิ่มขึ้น

แม้ว่าตัวแปรทั้งสองนี้จะมีความสัมพันธ์กัน แต่ก็ไม่ได้ทำให้เกิดตัวแปรอื่น

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับความสัมพันธ์:

ความรู้เบื้องต้นเกี่ยวกับสัมประสิทธิ์สหสัมพันธ์เพียร์สัน
สาเหตุบ่งบอกถึงความสัมพันธ์หรือไม่?
ความสัมพันธ์เทียบกับ สมาคม: อะไรคือความแตกต่าง?
อะไรคือความสัมพันธ์ที่ “แข็งแกร่ง”?
เมื่อใดที่คุณควรใช้ความสัมพันธ์?