همبستگی در برابر علیت
همبستگی، قدرت و جهت ارتباط بین دو متغیر را اندازهگیری میکند؛ علیت به این معناست که تغییرات در یک متغیر مستقیماً باعث ایجاد تغییراتی در متغیر دیگر میشود. همبستگی قوی (مانند r = 0.9) علیت را اثبات نمیکند. مثالهای کلاسیک فراوانند: اندازه کفش و توانایی خواندن در کودکان همبسته هستند (تحت تأثیر سن)، اما اندازه کفش باعث توانایی خواندن نمیشود. درک اینکه چه زمانی همبستگی به معنای علیت است، نیازمند ارزیابی طرح تحقیق، متغیرهای مخدوشکننده، تقدم زمانی و سازوکار است. آزمایشهای تصادفی قویترین شواهد علّی را ارائه میدهند؛ مطالعات مشاهدهای باید با دقت متغیرهای مخدوشکننده را کنترل کنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0-521-89560-6
- Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701. DOI: 10.1037/h0037350 ↗
- Hill, A. B. (1965). The Environment and Disease: Association or Causation? Proceedings of the Royal Society of Medicine, 58(5), 295–300. DOI: 10.1177/003591576505800503 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Understanding the Distinction Between Correlation and Causation in Research. ScholarGate. https://scholargate.app/fa/research-statistics/correlation-vs-causation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- اندازه اثر (Effect Size)آمار پژوهش↔ compare
- مشکل مقایسههای چندگانهآمار پژوهش↔ compare
- آزمون فرض صفرآمار پژوهش↔ compare
- مقدار پی و اهمیت آماریآمار پژوهش↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →