Tương quan và Nhân quả
Tương quan đo lường mức độ mạnh yếu và chiều hướng của mối liên hệ giữa hai biến số; nhân quả ngụ ý rằng sự thay đổi ở một biến số trực tiếp tạo ra sự thay đổi ở biến số khác. Một mối tương quan mạnh (ví dụ: r = 0.9) không chứng minh được nhân quả. Có vô số ví dụ kinh điển: kích cỡ giày và khả năng đọc hiểu ở trẻ em có tương quan với nhau (bị nhiễu bởi tuổi tác), nhưng kích cỡ giày không gây ra khả năng đọc hiểu. Hiểu khi nào tương quan ngụ ý nhân quả đòi hỏi phải đánh giá thiết kế nghiên cứu, các biến gây nhiễu, tính ưu tiên về thời gian và cơ chế. Các thí nghiệm ngẫu nhiên mang lại bằng chứng nhân quả mạnh mẽ nhất; các nghiên cứu quan sát phải kiểm soát cẩn thận các yếu tố gây nhiễu.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Understanding the Distinction Between Correlation and Causation in Research. ScholarGate. https://scholargate.app/vi/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.
- Effect SizeThống kê nghiên cứu↔ compare
- Vấn đề so sánh bộiThống kê nghiên cứu↔ compare
- Kiểm định giả thuyết khôngThống kê nghiên cứu↔ compare
- Giá trị P và Ý nghĩa Thống kêThống kê nghiên cứu↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →