Reverse causation opstår, når du tror, at K forårsager Y, men i virkeligheden y faktisk forårsager K.
dette er en almindelig fejl, som mange mennesker gør, når de ser på to fænomener og fejlagtigt antager, at den ene er årsagen, mens den anden er effekten.
eksempel 1: Rygning &Depression
en almindelig fejl ved omvendt årsagssammenhæng involverer rygning og depression.
i en observationsundersøgelse kan forskere observere, at folk, der ryger mere, har tendens til at være mere deprimerede. Således kan de naivt antage, at rygning forårsager depression.
det er dog muligt, at forskere får dette baglæns, og i virkeligheden får depression faktisk folk til at ryge, fordi de ser det som en måde at lindre deres negative følelser og sprænge en strøm af.
eksempel 2: indkomst &lykke
en anden almindelig fejl ved omvendt årsagssammenhæng involverer årlig indkomst og rapporterede lykkeniveauer.
i en observationsundersøgelse kan forskere observere, at folk, der tjener højere årlige indkomster, også kan rapportere at være lykkeligere generelt i livet. Således kan de simpelthen antage, at højere indkomst fører til mere lykke.
men i virkeligheden kan det være rigtigt, at mennesker, der er naturligt lykkeligere, har tendens til at være bedre arbejdstagere og dermed tjene højere indkomster. Dermed, forskere kan faktisk få forholdet baglæns. Højere indkomst kan ikke forårsage mere lykke. Mere lykke kan være årsagen til højere indkomst.
eksempel 3: Stofbrug & Mental velvære
et andet eksempel på omvendt årsagssammenhæng involverer stofbrug og mental velvære.
i en observationsundersøgelse kan forskere observere, at mennesker, der bruger stoffer, også kan have lavere niveauer af rapporteret mental velvære. Forskere kan så naivt antage, at stofbrug forårsager lavere mental velvære.
i virkeligheden kan det være, at mennesker, der naturligt har lavere niveauer af velvære, er mere tilbøjelige til at bruge stoffer, hvilket betyder, at det sande forhold mellem stofbrug og mental velvære vendes.
bedømmelse af årsagssammenhæng
en måde at vurdere årsagssammenhængen mellem fænomenet er at bruge Bradford Hill-kriterierne, et sæt på ni kriterier foreslået af den engelske statistiker Sir Austin Bradford Hill i 1965, som er designet til at fremlægge bevis for et årsagsforhold mellem to variabler.
de ni kriterier er som følger:
1. Styrke: jo større sammenhængen mellem to variabler er, desto mere sandsynligt er det årsagssammenhæng.
2. Sammenhæng: Konsistente fund observeret af forskellige forskere forskellige steder og med forskellige prøver øger chancerne for, at en forening er årsagssammenhæng.
3. Specificitet: årsagssammenhæng er sandsynligt, hvis der er en meget specifik population på et bestemt sted og sygdom uden anden sandsynlig forklaring.
4. Temporalitet: effekten skal forekomme efter årsagen.
5. Biologisk gradient: større eksponering bør generelt føre til større forekomst af effekten.
6. Plausibilitet: en plausibel mekanisme mellem årsag og virkning er nyttig.
7. Sammenhæng: sammenhæng mellem epidemiologiske og laboratoriefund øger sandsynligheden for en effekt.
8. Eksperiment: eksperimentelle beviser øger chancerne for, at et forhold er kausal, da andre variabler kan kontrolleres under eksperimenter.
9. Analogi: brugen af analogier eller ligheder mellem den observerede tilknytning og andre foreninger kan øge chancerne for, at et årsagsforhold er til stede.
ved at bruge disse ni kriterier kan du øge chancerne for, at du er i stand til korrekt at identificere et årsag-og-virkningsforhold mellem to variabler.