Meillä on vahva taipumus hakea yhteyksiä asioiden ja tapahtumien välille. Usein jatkamme tätä ajattelua niin, että yhdistämme kaksi ajallisesti samanaikaista tapahtumaa niin, että toinen olisi toisen syy. Unohdamme sen tosiasian, että suurin osa samanaikaisista tapahtumista on pelkästään sattumaa. On enemmänkin poikkeus, että samanaikaiset tapahtumat liittyisivät toisiinsa ja että niiden välillä olisi syy-yhteys.
Samanaikainen tapahtuminen ei todista syy-yhteyttä
Tutkijat joutuvat painimaan tämän ilmiön kanssa päivittäin. Syy- seuraus –suhteen todistamiseen ei nimittäin tieteessä riitä ilmiöiden samanaikaisuus. Syyn ja seurauksen välillä tulee olla toimiva ja uskottava yhteys.
Esimerkiksi kun epäilee jonkun lääkkeen aiheuttavan tietyn haittavaikutuksen, ja tämän vaikutusmekanismi ei ole tiedossa, tulisi ilmiö kyetä havaitsemaan myös satunnaistetussa tutkimuksessa, jossa toinen ryhmä saa lääkettä ja toinen lumelääkettä. Tämän jälkeen pitäisi voida selvittää se, millä tavalla lääkkeen haitta syntyy.
Yksilön tapauksessa epäillyn aiheuttajan poistaminen pitäisi poistaa myös seuraus. Lisäksi aiheuttajan uudelleen lisääminen pitäisi aiheuttaa seuraus uudelleen. Näin ei tavallisesti kuitenkaan toimita sillä yksilön kannalta se ei ole edullista eikä sitä koeta tarpeelliseksi.
Esimerkiksi, jos antibiootista tulee ihottumaa, todetaan vain, että henkilö on tälle lääkkeelle yliherkkä eikä sitä tule enää jatkossa käyttää. Kuitenkin kun tutkimuksissa on antibiootteja sitten annettu näille ihottumapotilaille uudestaan, vain pienellä osalla ihottumareaktio uusiutuu ja periaatteessa lääke olisikin suurimmalle osalle potilaista käyttökelpoinen.
Korrelaatiokerroin ei todista syy-yhteyttä
Tavallisesti numeerisen tiedon käsittelyssä käytetään korrelaatiota. Korrelaatiokerroin kuvaa kahden muuttujan välistä tilastollista riippuvuutta. Tämä ei kuitenkaan tarkoita, että muuttujien välillä olisi syy-yhteys sillä korrelaatio ei kerro tästä yhteydestä mitään. Se ainoastaan kertoo että muuttujat käyttäytyvät samalla tavalla. Tämän havainnollistamiseksi käsittelen alla kolmea tapausta, joissa lukuarvot ovat todellisista tilastoista.
Kalan kulutus Yhdysvalloissa korreloi selvästi (r=0,84) hapankerman kulutuksen kanssa. Tämä ei herätä mitään kummastusta, sillä voimme kuvitella niiden välille oikeankin yhteyden. Mutta kun tarkastelen ihan saman kalatilaston yhteyttä vuosittaiseen sademäärään New Yorkissa, saan myös hyvän korrelaation ja käyrät näyttäisivät jopa seuraavan toisiaan paremmin. Voivatko siis kalan kulutus Yhdysvalloissa ja sademäärä New Yorkissa olla syy-yhteydessä toisiinsa?

Toisessa esimerkissä tarkastelen vähärasvaisen maidon kulutusta. Kuvasta käy esiin, että samaan aikaan kun tämän maidon kulutus on vähentynyt, myös nälkäkuolemat ovat vähentyneet (r=0,86). Tämän kuvan nähtyään jokainen meistä miettii, voisiko näillä olla todellista yhteyttä sillä osaamme kuvitella ainakin teoriassa biologisen yhteyden näiden välille. Vähärasvaisen maidon kulutus tosin korreloi vahvasti myös Washingtonin avioerojen kanssa. Oletammeko näiden välillä olevan syy-yhteys?

 

Kolmannessa esimerkissä tarkastelen kananmunien kulutusta. Se näyttäisi seuraavan mielenkiintoisesti banaanin hintakehitystä (r=0,91). Kun banaanin hinta nousee, munien kulutus kasvaa. Siirtyvätkö ihmiset syömään munia silloin, kun heillä ei ole varaa ostaa banaaneja? Kananmunien kulutus noudattaa tosin vieläkin tarkemmin autonkuljettajien kuolleisuutta muualla kuin kolareissa (r=0,88). Altistaako kananmunien lisääntynyt syönti autonkuljettajat tapaturmille?

 

Kaikissa näissä esimerkeissä on yhteys tilastollisesti hyvin selvä. Kaikissa niissä myös käyrien muodot sopivat toisiinsa.
Kaikki nämä esimerkit ovat kuitenkin täysin keinotekoisia ja itse valitsemiani tätä blogia varten. Hyvän korrelaation ja tilastollisen yhteyden löytämiseksi tarvitsee vain valita sopiva aikajakso, jolloin ilmiöt näyttäisivät seuraavan toisiaan ja muuttaa x ja y-akselin asteikko sellaiseksi, että käyrät menisivät mahdollisimman paljon päällekkäin.
Tämä ilmiö on tärkeä monestakin syystä. On hyvin tavallista, että teemme varsin pitkälle meneviä päätelmiä erilaisten tilastolukujen ja niiden muutosten perusteella. Ei ole myöskään harvinaista, että yllämainitun tyyppisiä käyrästöjä käytetään virheellisesti perusteluina syy-yhteydelle.
On todettu, että jäätelön syönti ja rikollisuus ajoittuvat samoihin vuodenaikoihin. Jäätelön syönti tuskin aiheuttaa rikollisuutta vaan syynä on se, että lämpinä aikoina, jolloin myös jäätelöä syödään paljon, rikollisilla on helpompi toimia.
Aikaisemmissa blogikirjoituksissani pohdin, miksi joidenkin tiettyjen sairauksien esiintyminen oli muuttunut. Tällöin keskusteluissa väitettiin tietyn lääkkeen olevan niiden syynä. Väitteiden perusteluna oli juuri tämä ilmiö. Pelkästään se, että nähtiin ajallisia muutoksia tiettyjen sairauksien osalta lääkkeen markkinoilletulon jälkeen, riitti väitteissä varmistamaan sen, että lääke aiheutti nämä sairaudet. Niin ei tietenkään voinut päätellä sillä sairauksien syissä on lukuisia muitakin tekijöitä, jotka tulee ottaa huomioon.
Mikäli haluatte tehdä omia mielikuvituksellisia käyräparvia, niitä voi toteuttaa mielensä mukaan mm. osoitteessa http://tylervigen.com/discover. Valmiita käyriä voi katsella osoitteessa http://www.tylervigen.com/spurious-correlations
 
”Vaikka houkutus on suuri, samanaikaisen tapahtumisen ja korrelaation perusteella ei tule tehdä päätelmiä ilmiöiden syy-seuraus -suhteesta.”