Korrelasjon versus kausalitet
Korrelasjon måler styrken og retningen av assosiasjonen mellom to variabler; kausalitet innebærer at endringer i én variabel direkte produserer endringer i en annen. En sterk korrelasjon (f.eks. r = 0,9) beviser ikke kausalitet. Klassiske eksempler er mange: skostørrelse og leseferdighet er korrelert hos barn (konfundert av alder), men skostørrelse forårsaker ikke leseferdighet. Forståelse av når korrelasjon innebærer kausalitet krever evaluering av studiedesign, konfunderende variabler, temporalitet og mekanisme. Randomiserte eksperimenter gir det sterkeste kausale beviset; observasjonsstudier må nøye kontrollere for konfundere.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Understanding the Distinction Between Correlation and Causation in Research. ScholarGate. https://scholargate.app/no/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.
- EffektstørrelseForskningsstatistikk↔ compare
- Problemet med multippel testingForskningsstatistikk↔ compare
- NullhypotesetestingForskningsstatistikk↔ compare
- P-verdi og statistisk signifikansForskningsstatistikk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →