Korrelyasiya və Kausal İlişki: Hansı Hallarda Yanlış Nəticələr Çıxara Bilərik?
Verilənlər analitikası və statistik təhlillər sahəsində “korrelyasiya” və “kausal əlaqə” anlayışları sıx-sıx qarşılaşdığımız və çox vacib olan terminlərdir. Korrelyasiya, iki və ya daha çox dəyişkən arasında müəyyən bir əlaqənin varlığını göstərir. Kausal əlaqə isə bir dəyişkənin digərini birbaşa olaraq təsir etməsini nəzərdə tutur. Bu anlayışlar, məlumatları düzgün şərh etmək və doğru nəticələr əldə etmək üçün olduqca vacib olsa da, bəzi hallarda yanlış nəticələrə yol açması mümkündür. Bu məqalədə, korrelyasiya və kausal əlaqənin qarışdırılması nəticəsində ortaya çıxa biləcək yanlış şərhlər və yanlış nəticələr haqqında danışacağıq.
1. Korrelyasiya Nədir?
Korrelyasiya, iki və ya daha çox dəyişkən arasındakı əlaqənin gücünü və istiqamətini ölçən statistik bir göstəricidir. Korrelyasiya dərəcəsi, -1 ilə 1 arasında bir qiymət alır, burada:
- 1, tam müsbət əlaqəni (daha böyük bir dəyişkən artarkən, digəri də artır),
- -1, tam mənfi əlaqəni (bir dəyişkən artarkən, digəri azalır),
- 0 isə heç bir əlaqənin olmadığını göstərir.
Korrelyasiya yalnız dəyişkənlər arasında müəyyən bir əlaqənin olub olmadığını göstərir, amma bu əlaqənin səbəbi haqqında heç bir fikir bildirmir. Korrelyasiya, yalnız statistik əlaqəni ölçdüyü üçün, iki dəyişkən arasında birbaşa bir əlaqə olub olmadığını təyin etməz.
2. Kausal İlişki Nədir?
Kausal əlaqə, bir dəyişkənin digərini birbaşa təsir etdiyi vəziyyətdir. Yəni, bir dəyişkən digərində dəyişiklik yaratmaqla nəticələnir. Kausal əlaqə daha dərin bir anlayışdır və yalnız statistik əlaqəni deyil, həm də bir dəyişkənin digərini səbəbiyyət baxımından təsir edib-etmədiyini təhlil edir. Kausal əlaqə müəyyən edildikdə, bir dəyişkəndəki dəyişiklik birbaşa olaraq digər dəyişkəndəki dəyişikliklərə səbəb olur.
3. Yanlış Nəticələr: Korrelyasiya və Kausal Əlaqənin Qarışdırılması
Korrelyasiya və kausal əlaqənin qarışdırılması çox zaman yanlış nəticələrə səbəb ola bilər. Statistik olaraq korrelyasiya var deyə, bu əlaqənin kausal olduğunu düşünmək böyük bir səhvdir. Bir dəyişkənin digərini təsir etdiyini göstərmək üçün yalnız korrelyasiya dərəcəsinə baxmaq kifayət etmir. Aşağıda, bu vəziyyətin necə yanlış nəticələrə gətirib çıxara biləcəyini daha detallı izah edəcəyik.
a) “Korrelyasiya, kausal əlaqə demək deyil” Prinsipi
Korrelyasiya ilə kausal əlaqə arasında böyük fərq var. Məsələn, iki dəyişkənin arasında güclü bir müsbət korrelyasiya ola bilər, amma bu o demək deyil ki, biri digərini təsir edir. Əgər biz yalnız statistik əlaqəyə baxırıqsa, bu əlaqənin təsadüfi və ya üçüncü bir faktordan qaynaqlandığını düşünməyə bilərik. Bu halda, verilənlərə əsaslanaraq səhv nəticələr çıxarmaq mümkündür.
b) Üçüncü Faktör (Confounding Factor)
Bəzən iki dəyişkən arasında görünən bir əlaqə, üçüncü bir faktordan qaynaqlanır. Bu, “confounding” (qarışıq) faktorları adlanır. Məsələn, temperatur və dondurma satışları arasında müsbət bir korrelyasiya olduğunu görsək, bunu temperaturun dondurma satışlarına təsir etməsi kimi izah edə bilərik. Lakin burada, üçüncü bir faktor – məsələn, yay mövsümü – həm temperaturu, həm də dondurma satışlarını artırır və bu, əlaqənin real səbəbidir. Bu kimi hallarda, “korrelyasiya kausal əlaqədir” fikri səhv olur və yanlış nəticələrə səbəb ola bilər.
c) Zamanın Əhəmiyyəti (Temporal Causality)
Bir dəyişkənin digərini təsir etməsi üçün, əsas şərtlərdən biri zaman ardıcıllığıdır. Yəni, bir dəyişkəndəki dəyişiklik əvvəlcə olmalı və sonra digər dəyişkən təsirlənməlidir. Məsələn, bir ölkənin iqtisadi böhranı ilə cinayət hadisələri arasında müsbət korrelyasiya müşahidə edilə bilər. Lakin, bu əlaqənin kausal olub-olmaması, cinayətlərin iqtisadi böhrandan sonra meydana gəlib-gəlmədiyinə əsaslanır. Əgər cinayətlər iqtisadi böhrandan əvvəl baş veribsə, deməli bu, təsadüfi bir əlaqə ola bilər və ya başqa səbəblərdən qaynaqlanır.
d) Rübləşdirmə Effektləri (Aggregation Effects)
Bəzən, fərdi məlumat nöqtələrinin rübləşdirilməsi (yığılması) nəticəsində, bir əlaqə daha güclü görünə bilər. Lakin bu, yanlış nəticələrə gətirib çıxara bilər, çünki fərdi fərqliliklər və ya digər dəyişkənliklər rübləşdirmə prosesi zamanı itir və bunun nəticəsində yanlış bir əlaqə çıxarılır. Bu, xüsusilə verilənlər çoxluqdan ibarət olduqda diqqət yetirilməli bir problemdir.
4. Yanlış Nəticələrin Qarşısını Almaq Üçün Nə Etməliyik?
Verilənlərin Təhlili və Modelin Seçilməsi: Hər zaman yalnız korrelyasiya dərəcəsinə baxmaq kifayət etmir. Korrelyasiya və kausal əlaqəni düzgün təhlil etmək üçün daha dərin statistika və model qurma metodlarına müraciət etmək lazımdır. Məsələn, “regression analysis” və “causal inference” kimi üsullar istifadə edilə bilər.
Zamanın Əhəmiyyətinə Diqqət Edin: Hər zaman dəyişkənlər arasındakı zaman ardıcıllığını nəzərə almalı və kausal əlaqənin yalnız düzgün ardıcıllıqla təyin edilə biləcəyini unutmamalıyıq.
Üçüncü Faktorlara Diqqət Yetirin: Verilənlərdəki üçüncü faktorları nəzərə almaq və əlaqəni bu baxımdan araşdırmaq, səhv nəticələrin qarşısını almağa kömək edə bilər.
5. Nəticə
Korrelyasiya və kausal əlaqə anlayışlarının qarışdırılması, məlumat analizi zamanı çox ciddi yanlış nəticələrə yol aça bilər. Korrelyasiya yalnız əlaqəni göstərir, amma bu əlaqənin səbəbini və ya təsirini müəyyənləşdirmək üçün daha dərindən təhlil aparmaq lazımdır. Statistik alətləri düzgün istifadə edərək və əlaqələrin təbiətini yaxşı başa düşərək, doğru nəticələrə gəlmək mümkündür. Bu da, daha düzgün qərarlar qəbul etmək və verilənləri düzgün şərh etmək üçün vacibdir.
Müəllif: Eyyub Amiraslan
