Omvendt årsakssammenheng oppstår når Du tror At X forårsaker Y, Men I virkeligheten forårsaker Y faktisk X.
Dette er en vanlig feil som mange mennesker gjør når de ser på to fenomen og feilaktig antar At den ene er årsaken, mens den andre er effekten.
Eksempel 1: Røyking & Depresjon
en vanlig feil av omvendt årsakssammenheng innebærer røyking og depresjon.
i en observasjonsstudie kan forskere observere at folk som røyker mer, har en tendens til å være mer deprimerte. Dermed kan de naivt anta at røyking forårsaker depresjon.
det Er imidlertid mulig at forskere får dette bakover, og i virkeligheten får depresjon faktisk folk til å røyke fordi de ser det som en måte å lindre sine negative følelser og blåse av litt strøm.
Eksempel 2: Inntekt & Lykke
En annen vanlig feil med omvendt årsakssammenheng innebærer årlig inntekt og rapporterte lykkenivåer.
i en observasjonsstudie kan forskere observere at personer som tjener høyere årlige inntekter, også kan rapportere å være lykkeligere generelt i livet. Dermed kan de bare anta at høyere inntekt fører til mer lykke.
men i virkeligheten kan det være sant at folk som er naturlig lykkeligere pleier å være bedre arbeidere og dermed tjene høyere inntekter. Dermed kan forskere faktisk få forholdet bakover. Høyere inntekt kan ikke føre til mer lykke. Mer lykke kan være årsaken til høyere inntekt.
Eksempel 3: Narkotikabruk & Mental Velvære
Et annet eksempel på omvendt årsakssammenheng innebærer narkotikabruk og mental velvære.
i en observasjonsstudie kan forskere observere at personer som bruker rusmidler også kan ha lavere nivåer av rapportert mental velvære. Forskere kan da naivt anta at narkotikabruk forårsaker lavere mental velvære.
i virkeligheten kan det være at folk som naturlig har lavere nivåer av velvære, har større sannsynlighet for å bruke narkotika, noe som betyr at det sanne forholdet mellom narkotikabruk og mental velvære er reversert.
Bedømme Kausalitet
En måte å vurdere kausalitet mellom fenomen er å bruke Bradford Hill Kriterier, et sett med ni kriterier foreslått av engelsk statistiker Sir Austin Bradford Hill i 1965 som er utformet for å gi bevis for en årsakssammenheng mellom to variabler.
de ni kriteriene er som følger:
1. Styrke: jo større sammenhengen mellom to variabler, jo mer sannsynlig at det er årsakssammenheng.
2. Konsistens: Konsistente funn observert av ulike forskere på forskjellige steder og med forskjellige prøver øker sjansene for at en forening er årsakssammenheng.
3. Spesifisitet: Årsakssammenheng er sannsynlig hvis det er en svært spesifikk populasjon på et bestemt sted og sykdom uten annen sannsynlig forklaring.
4. Temporalitet: effekten må skje etter årsaken.
5. Biologisk gradient: Større eksponering bør generelt føre til større forekomst av effekten.
6. Plausibilitet: en plausibel mekanisme mellom årsak og virkning er nyttig.
7. Sammenheng: Sammenheng mellom epidemiologiske funn og laboratoriefunn øker sannsynligheten for en effekt.
8. Eksperiment: Eksperimentelt bevis øker sjansene for at et forhold er årsakssammenheng siden andre variabler kan kontrolleres for under eksperimenter.
9. Analogi: bruk av analogier eller likheter mellom den observerte foreningen og andre foreninger kan øke sjansene for at et årsakssammenheng er tilstede.
ved å bruke disse ni kriteriene, kan du øke sjansene for at du er i stand til å identifisere en årsak og virkning forholdet mellom to variabler.