Back to chapter

1.6:

Correlazione e causalità

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

– [Narratore] I risultati di un esperimento potrebbero suggerire che tutte le variabili, dipendenti e indipendenti, sono collegate. La relazione tra le variabili, la correlazione, potrebbe essere positiva, quando le variabili crescono o diminuiscono insieme, o negativa, se una cresce e l’altra diminuisce. Inoltre, potrebbe non esserci nessuna relazione tra le variabili. Per determinare se una relazione apparente riflette una causa diretta e un’associazione di effetti, una relazione causale, si devono eseguire degli esperimenti di controllo aggiuntivi. Per esempio, se un ricercatore mira a determinare la causa della perdita della coda in cinque diverse popolazioni di gechi e trova una diminuzione del numero di gechi senza coda, correlato a un aumento del numero delle pulci degli uccelli, questa sarà una correlazione negativa e si potrebbe pensare che le pulci non sono la causa diretta della perdita della coda. Tuttavia, se il ricercatore ha contato il numero dei corvi in ogni luogo dell’esperimento, potrebbe anche trovare una correlazione positiva tra il numero dei corvi e il numero dei geco senza coda e, dopo aver esaminato il contenuto dello stomaco dei corvi, potrebbe anche trovare le code mancanti. In questo caso, il numero dei corvi determina direttamente il numero delle code perse dai gechi.

1.6:

Correlazione e causalità

Panoramica

I test statistici possono calcolare se esiste una relazione, o correlazione, tra variabili indipendenti e dipendenti. Una relazione indiretta delle variabili significa una correlazione, mentre una relazione diretta mostra la causalità. Se viene stabilito che non esiste alcuna connessione tra le variabili, la correlazione è una coincidenza.

Correlazione e causalità

Se la variabile dipendente aumenta o diminuisce quando la variabile indipendente aumenta, esiste una correlazione positiva o negativa, rispettivamente, tra le due variabili. Se questa relazione è indiretta, è dovuta ad una correlazione. Tuttavia, una relazione diretta significherebbe causalità.

Ad esempio, se un ricercatore vuole determinare la causa della perdita della coda in cinque diverse popolazioni di gechi e trova una relazione negativa tra il numero di gechi senza coda e il numero di zecche parassitarie nei corvi, questo risultato costituirebbe una correlazione negativa e indicherebbe che il parassita del corvo non sta causando direttamente la perdita della coda nei gechi.

Tuttavia, se i corvi fossero stati contati vicino ad ogni popolazione di geco, potrebbe essere stata trovata una relazione positiva tra il numero di corvi e di gechi senza coda. Se, dopo aver esaminato il contenuto dello stomaco dei corvi, venissero scoperte le code di geco mancanti, il numero di corvi avrebbe determinato direttamente il numero di code perse dai gechi, indicando la causalità. Se le code di geco non fossero state trovate nello stomaco dei corvi, allora la correlazione avrebbe potuto essere casuale.

È importante sottolineare che, in questo esempio, c’è una correlazione negativa tra il numero di corvi e il numero di zecche di corvo parassita. In realtà, il numero di parassiti del corvo è probabile che aumenti con un numero crescente di corvi, una correlazione positiva. In questo scenario, il numero di zecche di corvo sarebbe anche positivamente correlato con il numero di lucertole senza coda. Tuttavia, a differenza del rapporto tra le popolazioni di corvi e lucertole senza coda, il numero di zecche e lucertole senza coda non è causalmente correlato.