Back to chapter

1.6:

Corrélation et causalité

JoVE Core
Biology
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Biology
Correlation and Causation

Languages

Share

– [Narrateur] Les résultats d’une expérience suggéreraientque les variables dépendantes et indépendantes sont liées. La relation entre des variables,la corrélation, peut être positive,les deux variables augmentent ou diminuent ensemble,ou négative, l’une augmente tandis que l’autre diminue. En outre, il peut ne pas y avoir de relationentre les variables. Pour déterminer si une corrélation apparentecorrespond à une relation directe de cause à effet,à un lien de causalité,on doit effectuer des expériences témoins supplémentaires. Par exemple, si un chercheur cherche à déterminerce qui entraîne la perte de queuechez cinq populations de geckos différentes,et constate une diminution du nombre de geckos sans queuequand le nombre de tiques du corbeau augmente,ce résultat serait une corrélation négative. Et on pourrait en conclure que le parasite du corbeaun’est pas la cause directe de perte de queue chez le gecko. Cependant, si le chercheur avait comptéle nombre de corbeaux à chaque endroit,il aurait peut-être trouvé une corrélation positiveentre le nombre de corbeauxet le nombre de geckos sans queue. Et après avoir examiné l’estomac des corbeaux,il aurait aussi trouvé les queues manquantes. Donc, le nombre de corbeaux a déterminé directementle nombre de queues perdues par les geckos.

1.6:

Corrélation et causalité

Aperçu

Les tests statistiques peuvent calculer s’il existe une relation ou une corrélation entre les variables indépendantes et dépendantes. Une relation indirecte des variables signifie une corrélation tandis qu’une relation directe montre la causalité. S’il est déterminé qu’il n’existe aucun lien entre les variables, alors la corrélation est une coïncidence.

Corrélation par rapport à la causalité

Si la variable dépendante augmente ou diminue lorsque la variable indépendante augmente, il y a respectivement une corrélation positive ou négative entre les deux variables. Si cette relation est indirecte, elle est due à une corrélation. Cependant, une relation directe va signifier la causalité.

Par exemple, si un chercheur veut déterminer la raison de la perte de queue chez cinq populations différentes de gecko, et qu’il trouve une relation négative entre le nombre de geckos sans queue et le nombre de tiques parasites chez les corbeaux, ce résultat constituera une corrélation négative et indiquera que le parasite du corbeau ne provoque pas directement la perte de queue chez les geckos.

Toutefois, si les corbeaux avaient été comptés à proximité de chaque population de gecko, une relation positive entre le nombre de corbeaux et de geckos sans queue aurait pu être trouvée. Si après avoir examiné le contenu de l’estomac des corbeaux, les queues de gecko manquantes avaient été découvertes, le nombre de corbeaux aurait déterminé directement le nombre de queues perdues par les geckos, indiquant la causalité. Si les queues de gecko n’avaient pas été trouvées dans l’estomac des corbeaux, alors la corrélation aurait pu être fortuite.

Fait important, dans cet exemple, il existe une corrélation négative entre le nombre de corbeaux et le nombre de tiques parasites. En réalité, le nombre de parasites de corbeau est susceptible d’augmenter avec un nombre croissant de corbeaux, une corrélation positive. Dans ce scénario, le nombre de tiques de corbeau serait également positivement corrélé avec le nombre de lézards sans queue. Cependant, contrairement à la relation entre les populations de corbeaux et de lézards sans queue, le nombre de tiques et le nombre de lézards sans queue ne sont pas liés de façon causale.