Как определить причинно следственную связь: Причинно-следственная связь — Психологос

Причинно-следственная связь — Психологос

01 октября 2022 г., 21:42

​​​​​​​Причинно-следственная связь — связь между явлениями, при которой одно явление, называемое причиной, при наличии определенных условий порождает другое явление, называемое следствием.

Если собаке давали мясо одновременно с включением лампочки, то через несколько повторений выделение слюны у собаки начиналось не только на само мясо, но и на включение лампочки. Образовался условный рефлекс. Повторение совпадений двух раздражителей — причина, рефлекс — следствие.

Корреляция или причинно-следственная связь

​​​​​​​​​​​​​​Частая ошибка — в корреляции разглядеть причинно-следственную связь.

Наибольшая продолжительность жизни отмечается в регионах Шотландии с наименьшей плотностью населения и самым низким уровнем безработицы. В США продолжительность жизни коррелирует с уровнем дохода (жизнь бедняков и людей невысокого социоэкономического статуса чаще обрывается преждевременно). В современной Великобритании профессиональный статус коррелирует с продолжительностью жизни. Согласно результатам исследования, проводившегося в течение 10 лет с участием 17 350 государственных служащих Великобритании, количество смертей среди работников управленческого аппарата в 1,6 раза больше, а среди конторских служащих и рабочих — соответственно в 2,2 и 2,7 раза больше, чем среди управленцев высшего звена (Adler et al., 1993, 1994). Складывается впечатление, что в разное время и в разных географических точках между статусом и здоровьем существует вполне определенная взаимозависимость.

Приведенный выше пример взаимосвязи статуса и продолжительности жизни иллюстрирует наиболее распространенную как среди любителей, так и среди профессионалов ошибку мышления: когда два фактора «идут рука об руку», как статус и состояние здоровья, трудно не поддаться искушению и не сделать вывод о том, что один является причиной другого. Можно предположить, что статус каким-то образом защищает человека от того, что может причинить вред его здоровью.

Или все совсем не так, и хорошее здоровье не следствие, а причина активности и успеха? Может быть, долгожители успевают накопить больше денег, и именно поэтому на их могилах стоят более дорогие надгробия? Корреляционное исследование позволяет нам сделать прогноз, но оно не может ответить на вопрос о том, вызовет ли изменение одного параметра (например, социального статуса) изменение другого параметра (например, состояния здоровья).

Факт: те дети, которых родители часто били, обычно хуже учатся и чаще демонстрируют асоциальное поведение. Значит ли, что одно следует из другого? Совершенно не очевидно. Скорее, и жестокие наказания детей, и плохая учеба вместе с асоциальным поведением — следствие того, что это дети росли в неблагополучных семьях.

Факт: дети с развитым чувством собственного достоинства обычно учатся лучше, чем дети с низким самоуважением. Значит ли это, что чувство собственного достоинства является причиной, а хорошая успеваемость — следствием? Нет, корреляция здесь еще ничего не говорит о том, что является причиной, а что — следствием.

См.→

• Научность

Комментарии (10):

Анатолий Сальск, 02 октября 2015 г., 07:21

Считаю, что материал весьма и весьма полезный, так как позволит мне правильно оценить многие ситуации в прошлом. Спасибо за подборку!

Гость, 12 марта 2018 г., 14:12

Благодарю за полезную информацию!

Гость, 25 января 2020 г., 15:15

В моем понимании, выше социальная статус, значит выше доходы, значит лучше медобслужиыие, значит дольше СРЕДНЕСТАТИСТИЧЕСКАЯ продолжительность жить. Чётко отслеживается, причинно-следственная связь. Я не говорю про частные случаи. Чем масштабные сравнение, тем точнее результат. ИМХО.

1

ответ

Гость, 20 июня 2021 г., 02:21

Социальный статус — это не материальные блага.

Гость, 01 февраля 2020 г., 23:19

Наверно тут соглашусь с Богом. Не судите. Человек — это соотношение миллионов факторов случившихся в его жизни проектирование их на себя. Кроме того индивидуальный код днк, который в вкупе с факторами влияния на этого человека, даст бесконечное множество разнообразных поведенческих характеристик и действий. Тут надо учитывать множество параметров, в одних только генах прописано только миллиарды предрасположенностей, помножте на внешние факторы развития и получите астрономическую цифру из которой и состоит отдельный человек. Как его судить, если он грешен, да, но уже в днк у него было прописано малодушие и слабая сила воли. Это все подкрепилось внешними факторами из наблюдениями из жизни и вуаля — плохой человек. Человек, изначально кишмиш, кому что досталось. Выглядит как оправдание бессильности, но так оно и есть, бесхарактерный в виду своей предрасположенности и генам не может быть сильным, а сильный наоборот, не вникая откуда в нем есть то, что есть обвиняет слабого в том, что он такой слабый духом и говорит, как же так можно, фу будь сильным. Не понимает, что та сила которая у него есть, и которую он считает по праву своим достижением, уже изначально была у него, в виду кода днк и ряда последующих и воздействующих на него обстоятельств.

1

ответ

Гость, 16 октября 2021 г., 20:25

Вы правы, судить может только Бог. Потому что он, как Создатель, знает индивидуальный код ДНК каждого человека. И, как живой Бог, наблюдающий за всеми, он знает и все факторы влияния на человека. Но также Бог очень хорошо знает, что у каждого человека есть разум, совесть и свобода выбора, потому что он сам таким создал человека. Бог очень хочет, чтобы люди воспользовались разумом и совестью и поняли, что у них есть Создатель, который очень хочет помочь им стать не только сильными, но и порядочными людьми. Бог никого не списывает со счетов, ему дорог каждый, ведь он — его Создатель. В Библии рассказывается о царе Манассии. По сегодняшним меркам ему дали бы несколько пожизненных. Но он раскаялся перед Богом, умолял его о прощении. Это было искреннее раскаяние, ведь Бога обмануть нельзя. И Бог простил его и помог ему изменить свою жизнь. После этого Манассия помог своему внуку стать замечательным человеком. Любой может стать хорошим человеком, если слушается Бога.

1

ответ

Гость, 22 апреля 2022 г., 19:45

Цель всех религий (секты не в счёт) — избавить от инстинктов (очеловечить человека).

Гость, 20 февраля 2020 г., 09:31

Классический условный рефлекс — это пример сигнально-следственной, а не причинно-следственной связи.

Гость, 16 декабря 2020 г., 03:28

А дети-мажоры, и учатся хорошо, и не демонстрируют асоциальное поведение?

Амина, 13 декабря 2022 г., 15:52

Спасибо за информацию!

Материалы по теме:

01 окт. 2022 г.

Корреляция

0Подробнее

01 окт. 2022 г.

Результат

Результат — конечный итог, объективные последствия наших намерений, решений и действий.

0Подробнее

Содержание

Новые статьи:

• Стабильность агрессивного поведения в течение нескольких лет — Берковиц
• Снижает ли контроль над применением оружия количество преступлений? — Берковиц
• Неагрессивных стандарты поведения не исключают агрессивности — Берковиц
• Ребенок боится идти к врачу. Что делать умным родителям?
• Совершенствование родительского контроля над проблемными детьми — Берковиц

Популярные статьи:

• Как воспитать достойного человека. Опыт А.С. Макаренко
• Эти глаза напротив…
• Вопросник Основы семейного договора
• Муж секс не выпрашивает
• Спокойное присутствие

Хиты недели:

• Главный секрет всех детей
• На вас обиделись: как реагировать?
• Максимум жизни: Воспитываем детей. Династия
• Есть ли жизнь во второй половине жизни (М. Слепцова)
• Как прекращать ненужную дружбу

в чем разница и почему её важно понимать в работе над продуктом — Кейсы роста на vc.ru

Почему её легко упустить и как доказать наличие причинно-следственной связи.

7596 просмотров

Материал GoPractice.

В работе над продуктом часто можно услышать такую логику рассуждений от продакт-менеджера или продуктового аналитика: «Я проанализировал данные и увидел, что пользователи, которые делают Х, с большей вероятностью покупают премиум-версию или становятся успешными». На основе этого инсайта они решают инвестировать время и силы в то, чтобы большая доля пользователей делала X.

Проблема в том, что в этом случае корреляция выдается за причинно-следственную связь. Может быть, там и есть зависимость между переменными, а может быть, это частный случай корреляции, когда рост одной метрики сопровождается ростом другой.

В этом материале разберемся, почему легко упустить разницу между корреляцией и причинно-следственной связью, как доказать наличие причинно-следственной связи и почему это важно при работе над продуктом.

На первый взгляд, выражение «корреляция не означает причинно-следственную связь» не требует дополнительных разъяснений: звучит как прописная истина. Но снова и снова люди с разным уровнем опыта приравнивают эти понятия. Иногда умышленно, а иногда по невнимательности.

Корреляция и причинно-следственная связь

Корреляция — это взаимосвязь между двумя переменными, при которой изменение одной из них сопровождается изменением в другой. Здесь важно подчеркнуть слово«сопровождается», поскольку при корреляции эти изменения могут происходить без прямого влияния одной переменной на другую.

В ситуации же, когда такое прямое влияние доказано — можно говорить о причинно-следственной связи.

Пример корреляции может звучать так:

Рост потребления мороженого сопровождается ростом числа лесных пожаров.

Другой пример:

Cнижение потребления маргарина сопровождается снижением количества разводов.

Отличие корреляции от причинно-следственной связи

У корреляции может быть несколько причин. Например, на две переменные влияет некий третий фактор, как в случае с ростом продаж мороженого и лесными пожарами. Этот фактор — теплое время года и высокая интенсивность солнечного излучения.

В случае с корреляцией не всегда можно идентифицировать другие факторы, которые влияют на обе переменные, а иногда их может не быть вовсе.

В таком случае уместно говорить о случайности. Одновременное снижение числа разводов и потребления маргарина — пример такой ложной корреляции (spurious correlation).

В чем отличие корреляции от причинно-следственной связи?

Причинно-следственная связь всегда подразумевает наличие корреляции. Корреляция не обязательно означает наличие причинно-следственной связи. Корреляция может быть случайной, но причинно-следственная связь по определению не может быть случайностью.

Если корреляция есть, то для доказательства причинно-следственной связи должны соблюдаться еще два условия:

• Отсутствие сторонних факторов, которые влияют на обе переменные;
• Прямая временная последовательность между изменением первого и второго показателя, между событием A и событием B.

Хотя разница между корреляцией и причинно-следственной связью кажется очевидной, на практике принять одно за другое очень просто.

Примеры корреляций, которые ошибочно принимают за причинно следственную связь

Рассмотрим типовые ситуации из жизни, когда наличие корреляции приводит к ложному выводу о наличии причинно-следственной связи в бытовых ситуациях.

В своей книге «Thinking, Fast and Slow» Daniel Kahneman (Даниэль Канеман) описывает случай на лекции для израильских летчиков. Один из инструкторов настаивал, что курсанты лучше справляются с задачей после того, как он жестко критикует их за ошибки. Канеман предложил провести эксперимент, в ходе которого эти курсанты должны были не глядя дважды бросить монетку в нарисованную на полу мишень. Опыт показал: те, у кого первый бросок был ближе к цели, во второй раз бросали не так точно. И наоборот.

Таким экспериментом Канеман продемонстрировал феномен регрессии к среднему. Когда летчик очень плохо или очень хорошо исполнил упражнение, то часто для него это было отклонением от среднего значения. Поэтому с высокой вероятностью его следующее исполнение будет ближе к среднему, то есть лучше или хуже предыдущего.

Получается, что не критика помогала курсантам показывать лучшие результаты после провального опыта, а регрессия к среднему. Инструктор ошибочно принял корреляцию между критикой и улучшением результатов курсантов после нее за причинно-следственную связь.

Некоторые широко известные убеждения тоже являются корреляцией, которая маскируется под причинно-следственную связь.

Например, идея о том, что занятия музыкой в дошкольном возрасте улучшают когнитивные способности, память и внимание ребенка. Хотя корреляция между этими факторами действительно может быть, говорить о прямой причинно-следственной связи нельзя, так как на результат может влиять масса факторов.

Может быть, занятия музыкой для ребенка требуют от семьи дополнительных финансовых ресурсов. То есть, если семья может направить деньги не только на базовые потребности, но и на дополнительное образование, с высокой вероятностью ребенок имеет доступ к лучшему питанию, лучшему основному образованию и другим благам, которые могут позитивно отражаться на интеллекте ребенка.

Еще один пример.

В одном из материалов Washington Post пришла к выводу, что рост затрат на полицию в США не привел к сокращению преступности. Автор через кажущееся отсутствие прямой корреляции пытается опровергнуть причинно-следственную связь между событиями: увеличение бюджета полиции не приводит к пропорциональному сокращению уровня преступности.

Но говорить о том, что здесь обязательно должна быть причинно-следственная связь, нельзя. Например, именно рост преступности может быть драйвером расходов на полицию, а не наоборот. Без тщательного исследования мы не можем утверждать ни того, ни другого.

Корреляция в бизнесе

В 2013 году eBay тратил десятки миллионов долларов на поисковую рекламу по брендовым запросам “eBay”. В компании были уверены, что рост продаж обусловлен именно покупным трафиком. Но исследование показало, что реклама оказалась направлена как раз на ту аудиторию, которая в любом случае совершила бы покупку на eBay.

В данном случае именно намерение пользователей совершить покупку приводило и к показу рекламы, и к продажам на площадке. В eBay же думали, что именно реклама выступала причиной, а продажи — ее следствием.

Корреляцию часто ошибочно принимают за причинно-следственную связь при анализе успеха чужих продуктов со стороны. «Продукт А выстрелил и нашел product/market fit, благодаря фиче X.

Мы можем повторить успех, добавив ту же фичу в нашем продукте и на нашем локальном рынке».

Допустим, что продукт А действительно стал успешным после того, как внедрил определенную фичу. Но нельзя назвать причиной сам факт добавления фичи. Причина зачастую более комплексна и опирается на массу факторов. Но главное, что для определенного сегмента пользователей продукт решает некоторую задачу эффективнее всех доступных альтернатив.

Например, WeChat Pay набрал популярность как платежный инструмент в Китае не потому, что они соединили мессенджер и платежный инструмент. Дело в том, что этот инструмент стал намного более эффективной альтернативой наличным деньгам, поэтому его добавочная ценность оказалась столь высока, а продукт — столь успешным.

На этом фоне становится понятно, почему Facebook Messenger так тяжело давались попытки запустить свой платежный сервис. Просто прикрутить функциональность к мессенджеру недостаточно, потому что на рынке США гораздо сильнее развиты платежные инструменты, а значит, добавочная ценность решения от Facebook для клиента менее ощутима или не ощутима вовсе.

Корреляция в работе над продуктом

Работа над продуктом подразумевает постоянные вопросы о причинах тех или иных изменений в метриках. И зачастую велик соблазн объяснить их через что-то, что мы сделали осознанно и недавно. Однако важно помнить, что продукт и пользователи не существуют в вакууме.

Пример с притоком пользователей в продукт

Вы фиксируете приток пользователей за последнюю неделю, а перед этим вы добавили в продукт новую большую фичу. Кажется, что продуктовое изменение привело к росту.

Однако позже выясняется, что приток пользователей в ваш продукт стал следствием того, что ваш прямой конкурент резко ограничил возможности базового тарифа. Ваш отдел маркетинга заметил это и стал активно использовать этот аргумент в разных каналах коммуникации. Отсюда — приток новых пользователей.

Между добавлением новой фичи и приростом пользовательской базы действительно была корреляция. Но, как мы выяснили, причина этого роста скрывалась в другом.

Пример с монетизацией мобильной игры

Работая над мобильной игрой, вы заметили, что пользователи, которые подключают соцсети, делают больше покупок. На этом этапе может возникнуть соблазн предположить наличие между событиями причинно-следственную связь и решить, что увеличение конверсии игроков в подключение соцсетей пропорционально увеличит выручку с таких пользователей. Если это правда так, то у вас есть множество гипотез, как повлиять на этот параметр.

Однако на деле в такой ситуации вполне может быть еще один или несколько факторов, которые одинаково влияют и на первое, и на второе явление. Скрытым от глаз фактором может быть то, что пользователи, которые и активно подключают соцсети, и чаще делают покупки, просто изначально сильнее мотивированы и больше заинтересованы в игре. То есть это не подключение соцсетей влияет на их поведение, а изначальная предрасположенность к игре.

Если это так, то на практике активное навязывание пользователям возможности подключиться к соцсети в действительности не даст никакого результата. С другой стороны, сразу решить, что такое навязывание не даст никаких изменений, тоже нельзя. Чтобы выяснить это, нужно провести эксперимент.

Как эксперименты помогают доказать причинно-следственную связь

Суеверия, псевдонаучные дисциплины и архаичные методы лечения появились во многом благодаря путанице между корреляцией и причинно-следственной связью. Так появились ритуалы, которые призывают дождь, и жертвоприношения, которые гарантируют удачную охоту и богатые урожаи.

Примерно такой подход прослеживается в древней и средневековой медицине. Например, эффективным способом поправить здоровье больного считалось кровопускание. Если пациент после этой процедуры выживает, то успех приписывается именно ей. Если нет, то значит, болезнь была слишком сильной.

То есть в этом случае корреляция между процедурой и выздоровлением не только ложная, но и избирательная.

Мы не случайно упомянули архаичные методы лечения, потому что именно развитие медицины дало дорогу появлению эффективных методов доказательства причинно-следственной связи.

Одним из важнейших этапов на пути развития доказательной медицины стало проведение в середине XX века первого рандомизированного контролируемого испытания (randomized controlled trial). Его суть заключается в том, чтобы взять две группы людей — тестовую и контрольную, — и одной вручить лекарство, а другой плацебо. Отсутствие различий в других переменных позволяет сделать вывод о влиянии лишь одного конкретного фактора.

В интернете практика подобных испытаний получит название A/B-тестов.

A/B-тестирование для проверки наличия причинно-следственной связи

Вы наблюдаете корреляцию между событиями X и Y. Но для принятия решения вам нужно понять, есть ли между ними причинно-следственная связь.

Для ответа на этот вопрос надо провести эксперимент.

Например, когда одна группа пользователей получает фичу, а другая нет. Все остальные условия для них идентичны. По итогам теста собираются и анализируются данные. На их основе вы можете понять, оказала ли фича влияние на интересующую нас метрику.

Хотя порядок действий и звучит просто, на деле проведение A/B-тестов требует внимания ко множеству деталей и дисциплины. В частности, вам нужно быть очень аккуратными, чтобы не спутать случайное изменение в значение целевой метрики с влиянием тестируемого изменения. Для этого используется понятие статистической значимости — подробнее об этом читайте здесь.

Понимание корреляции и причинно-следственной связи уберегает от ошибок и помогает глубже видеть продукт

В работе над продуктом легко принять корреляцию за причинно-следственную связь. Допускают такую ошибку в разных случаях: либо человек не знает про эту разницу, либо — что чаще — знает в теории, но не всегда может заметить на практике, либо умышленно хочет выдать одно за другое, чтобы добиться желаемого.

Путанице между корреляцией и причинно-следственной связью способствуют различные когнитивные искажения, например confirmation bias или иллюзия контроля. Confirmation bias заставляет нас отметать те факторы, которые не укладываются в желаемую картину происходящего. Иллюзия контроля создает впечатление, что мы знаем о продукте все и понимаем, что и отчего напрямую зависит.

Понимать разницу между корреляцией и причинно-следственной связью важно, чтобы не прийти к ошибочным решениям или не потратить время и ресурсы без какого-либо результата.

Проверка гипотез через эксперименты, дотошное выяснение причин тех или иных наблюдаемых изменений не только помогает ответить на один конкретный вопрос (например, почему падает конверсия в покупку), но и позволяет глубже понять продукт. Такое понимание помогает находить новые инсайты и увеличивать ценность продукта для пользователей.

Чтобы глубже разобраться в том, как создаются, развиваются и масштабируются продукты, пройдите обучение в симуляторах GoPractice.

• «Симулятор управления продуктом на основе данных» поможет научиться принимать решения с помощью данных и исследований при создании продукта.
• «Симулятор управления ростом продукта» поможет найти пути управляемого роста и масштабирования продукта. Вы построите модель роста и составите стратегию развития продукта.
• «Симулятор SQL для продуктовой аналитики» поможет освоить SQL и применять его для решения продуктовых и маркетинговых задач.
• Не знаете с чего начать? Пройдите бесплатный тест для оценки навыков управления продуктом. Вы определите свои сильные стороны и слепые зоны, получите план профессионального развития.
• Ещё больше ценных материалов и инсайтов — в Telegram-канале GoPractice.

Как доказать причинно-следственную связь | Встроено

Корреляция — очень полезная переменная. Он говорит вам, что две переменные имеют тенденцию двигаться вместе. Это также одна из самых простых вещей для измерения в статистике и науке о данных. Все, что вам нужно, это буквально одна строка кода (или простая формула в Excel) для расчета корреляции.

Модели машинного обучения, как прогнозирующие, так и объяснительные, строятся на основе корреляций. Например, полезность модели прогнозирования во многом зависит от вашей способности находить и проектировать некоторые переменные признаков, которые тесно связаны с тем, что вы пытаетесь предсказать.

Но корреляция не является причинно-следственной связью — держу пари, вы уже слышали это раньше. Часто это не имеет значения, но иногда имеет большое значение. Это зависит от того, на какой вопрос вы пытаетесь ответить. Если все, что вас интересует, — это предсказание (например, что будет делать фондовый рынок в следующем месяце?), то нас не слишком волнует различие между корреляцией и причинно-следственной связью.

Но если мы пытаемся выбрать между несколькими вариантами политики для инвестирования и хотим, чтобы выбранная политика повлияла на какой-то положительный результат, то нам лучше убедиться, что это действительно так. В этом случае мы очень заботимся о причинно-следственной связи. Если мы ошибаемся и принимаем корреляцию за истинную причинно-следственную связь, мы можем в конечном итоге потратить миллионы долларов и годы усилий.

Скажем, например, мы наблюдали высокую корреляцию между выпадением волос и богатством. Мы бы очень пожалели, если бы рвали на себе все волосы, ожидая, что деньги начнут поступать на наши банковские счета. Это пример непричинной корреляции — проблема в том, что отсутствует какая-то другая переменная, которая является истинным драйвером, вызывающим корреляцию, которую мы наблюдаем. В нашем случае это может быть связано с тем, что в нашей выборке было много действительно напряженных предпринимателей, и эти люди работали день и ночь, в конечном итоге обменивая свои волосы и часть своего здоровья на большую выплату.

Итак, как мы можем измерить причинно-следственную связь?

 

Идеальный способ: случайные эксперименты

Чистейший способ установить причинно-следственную связь — провести рандомизированный контролируемый эксперимент (например, A/B-тест), в котором есть две группы: одна получает лечение, другая — нет. Критическое допущение состоит в том, что две группы однородны — это означает, что между двумя группами нет систематических различий (кроме того, что одна получает лечение, а другая нет), которые могут повлиять на результат.

Если группа, получающая лечение, реагирует положительно, то мы знаем, что между лечением и положительным эффектом, который мы наблюдаем, существует причинно-следственная связь. Мы знаем это, потому что эксперимент был тщательно спланирован таким образом, чтобы контролировать все другие объясняющие факторы, помимо того, что мы тестируем. Таким образом, любое наблюдаемое различие (статистически значимое) между двумя группами должно быть связано с лечением.

Следите за новостями Тони Ю в бета-блоге WorkAlpha

 

Что, если мы не сможем провести эксперимент?

Проблема в том, что на самом деле мы часто не можем проводить рандомизированные контролируемые эксперименты. В большинстве случаев у нас есть только эмпирические данные для работы. Не поймите меня неправильно, эмпирические данные прекрасны, но их не хватает, когда дело доходит до доказательства причинно-следственной связи.

Имея эмпирические данные, мы часто сталкиваемся с проблемой курицы и яйца. Например, в предыдущей компании мне поручили проект, чтобы доказать, что наша консультационная служба по инвестициям помогла увеличить норму сбережений пользователей. Между подпиской на нашу услугу и увеличением нормы сбережений была сильная корреляция — люди, которые подписались на наши услуги, с гораздо большей вероятностью увеличили сбережения, чем те, кто этого не сделал.

Но корреляции недостаточно. Другое правдоподобное объяснение состоит в том, что люди, которые хотят сэкономить больше, подписываются на наш сервис. В этом случае дело не в том, что наш сервис помог им сэкономить больше, а в том, что подписка на наш сервис была побочным продуктом желания сэкономить больше (проблема курицы и яйца). Таким образом, если бы это было правдой, то, если бы компания оплачивала подписку на наши консультационные услуги для своих сотрудников, она не увидела бы увеличения их нормы сбережений (потому что это не причинно-следственная связь).

 

Проверка причинно-следственной связи с использованием псевдослучайности

Итак, как нам обойти это, когда нет возможности провести реальный эксперимент? Нам нужно искать события, которые вносят псевдослучайность.

Напомним, что критическое предположение, которое позволяет нам доказать причинно-следственную связь с помощью A/B-теста, заключается в том, что две группы однородны. Таким образом, все различия в результатах можно отнести к лечению. Поэтому, когда мы не можем провести эксперимент, нам нужно искать подпериоды или части наших данных, которые составляют две однородные группы, которые мы можем сравнить.

Давайте посмотрим, что я подразумеваю под этим, на нашем предыдущем примере службы инвестиционного консультирования.

В моем случае, к счастью, было несколько компаний, которые выбрали нас для всех своих новых сотрудников, начиная с 2014 года. Я мог сравнить, как нормы сбережений этих новых сотрудников менялись с течением времени по сравнению с новыми сотрудниками в годы до 2014 года. Большое предположение, которое я бы сделал здесь, заключается в том, что когорты новых сотрудников в этих компаниях до и после 2014 года были довольно схожими по всем важным характеристикам (таким как возраст, образование и заработная плата).

Здесь дата начала работы сотрудника (будь то до 2014 года или нет) известна как инструментальная переменная. Инструментальная переменная — это переменная, которая изменяет вероятность лечения без изменения результата. Другими словами, он успешно изолирует влияние лечения на две группы и создает разумное приближение к рандомизированному контролируемому эксперименту.

Новые сотрудники до 2014 года действительно были достаточно похожи на новых сотрудников, которые присоединились к этим компаниям в 2014 году и позже (да, я проверял). Но те, кто после 2014 года, были по умолчанию включены в нашу консультационную службу — это позволило мне сравнить две достаточно однородные группы, где единственное существенное различие между группами заключалось в том, были ли они по умолчанию включены в нашу службу или нет.

Оказалось, что новые сотрудники после 2014 года увеличивали свои сбережения более высокими темпами, чем когорта до 2014 года. Как и ожидалось, прирост был меньше, чем у всего населения.

Так что да, наш сервис был определенно более привлекательным для тех, кто уже хотел сэкономить больше (было приличное количество не причинно-следственных связей). Но даже после устранения этого эффекта с помощью инструментальной переменной я все же обнаружил статистически значимую разницу в увеличении нормы сбережений в двух группах. И да, сервис моей компании помог пользователям увеличить норму сбережений.

Узнайте больше от наших экспертов Является ли «статистическая значимость» просто соломой?

 

Ценность определения причинно-следственной связи

Причинно-следственную связь никогда не бывает легко доказать. Мне повезло, что можно было использовать подходящую инструментальную переменную. Но, как правило, хорошие инструментальные переменные найти непросто — вам придется мыслить творчески и действительно хорошо знать свои данные , чтобы раскрыть их.

Но оно того стоит. Когда вы думаете об инвестировании значительного количества ресурсов и времени, недостаточно знать, что что-то коррелирует с желаемым эффектом. Вы должны быть достаточно уверены в том, что существует реальная причинно-следственная связь между действием, о котором вы думаете, и желаемым эффектом.

Доказать причинно -следственную связь — творческая математика

Абсолютный и относительный риск

7 октября 2013 г.

О блогов

4 ноября 2013 г.

Самолеты. Используют авиаплассы. и какие выводы можно сделать.

В верхнем левом квадранте мы можем делать выводы о причинно-следственных связях населения.

Причинно-следственные связи из обсервационных исследований

Студент задал вопрос:  Можно ли доказать причинно-следственную связь только на основе наблюдения?
Было бы очень полезно, если бы мы могли. Не всегда возможно использовать рандомизированное исследование, особенно когда в нем участвуют люди. До того, как мы узнали больше о правах человека, эксперименты проводились на ничего не подозревающих лабораторных крысах. Классический пример — эксперименты Вайпхольма, в которых пациенты психиатрической больницы были ничего не подозревающими субъектами. Им давали большое количество сладостей, чтобы определить, вызывает ли сахар кариес в зубах. Это произошло в начале 1950-е годы. В наши дни было бы неприемлемо случайным образом распределять людей по группам, которых заставляют курить, употреблять алкоголь или потреблять большое количество жирной выпечки. Мы должны позволить людям самим выбирать образ жизни. И наблюдать. Отсюда наблюдательные исследования!
Существует призыв к «доказательной практике» в образовании, чтобы следовать философии медицины. Но получить образовательные эксперименты с одобрения комитета по этике очень сложно, и трудно использовать крыс или плодовых мушек для имитации высших процессов обучения людей. Меняющийся ландшафт окружающей человека среды еще больше затрудняет проведение образовательных экспериментов.
Чтобы выяснить критерии обоснования причинно-следственных связей в обсервационном исследовании, я обратился к одному из моих любимых учебников по статистике «Случайные встречи» Уайлда и Себера (стр. 27). Они ссылаются на главного хирурга США. Критерии для установления причинно-следственной связи в эпидемиологическом исследовании следующие:

1. Сильная связь: Например, вероятность заболевания в четыре раза выше среди людей, подвергшихся воздействию возможной причины, чем среди тех, кто не подвергался воздействию.
2. Строгий план исследования
3. Временные отношения: причина должна предшествовать следствию.
4. Взаимосвязь доза-реакция: Более высокая экспозиция приводит к увеличению доли пораженных людей.
5. Обратимая ассоциация: устранение причины снижает частоту следствия.
6. Непротиворечивость: Множественные исследования в разных местах дают сходные результаты
7. Биологическое правдоподобие: существует подтверждаемый биологический механизм
8. Согласованность с известными фактами.