Корреляция и причинность¶

Корреляция — это статистическая взаимосвязь двух или более переменных, при которой изменения одной переменной сопровождаются систематическими изменениями другой. Причинность (каузальность) — это отношение между событием (причиной) и другим событием (следствием), где второе является прямым или косвенным результатом первого. В науке и статистике распространён принцип: «корреляция не подразумевает причинность», означающий, что наличие статистической связи между переменными не доказывает, что одна из них является причиной другой.

¶История понятий

Идея причинности восходит к античной философии. Аристотель выделял четыре вида причин (материальную, формальную, действующую и целевую). В Новое время Дэвид Юм (XVIII век) сформулировал скептический взгляд на причинность, утверждая, что она не наблюдаема непосредственно, а выводится из постоянного сопутствия событий. Джон Стюарт Милль разработал каноны индукции (методы сходства, различия, сопутствующих изменений), которые до сих пор используются для установления причинных связей.

Понятие корреляции ввёл в науку английский биолог и статистик Фрэнсис Гальтон в конце XIX века. Он изучал наследственность и обнаружил, что рост детей коррелирует с ростом родителей, но не наследуется в полной мере. Карл Пирсон, ученик Гальтона, математически формализовал коэффициент корреляции (коэффициент корреляции Пирсона), который стал стандартной мерой линейной связи между переменными. В XX веке развитие компьютерной статистики и появление больших данных сделали корреляционный анализ повсеместным.

¶Корреляция: виды и измерение

¶Коэффициенты корреляции

Основные показатели корреляции:

• Коэффициент корреляции Пирсона (r) — измеряет силу и направление линейной связи между двумя непрерывными переменными. Принимает значения от -1 до +1. Значение +1 означает полную положительную линейную связь, -1 — полную отрицательную, 0 — отсутствие линейной связи.
• Коэффициент ранговой корреляции Спирмена — непараметрический аналог, основанный на рангах значений. Используется для порядковых переменных или при нарушении нормальности распределения.
• Коэффициент корреляции Кендалла — ещё один непараметрический показатель, менее чувствительный к выбросам.
• Точечно-бисериальная корреляция — для связи между непрерывной и дихотомической (бинарной) переменной.

¶Виды корреляции по направлению

• Положительная корреляция — обе переменные изменяются в одном направлении (например, рост и вес человека: чем выше рост, тем в среднем больше вес).
• Отрицательная корреляция — переменные изменяются в противоположных направлениях (например, количество часов сна и уровень усталости: чем больше сон, тем меньше усталость).

¶Виды корреляции по форме

• Линейная корреляция — связь описывается прямой линией.
• Нелинейная корреляция — связь имеет криволинейный характер (например, параболическая или экспоненциальная). Для её оценки стандартные коэффициенты (Пирсона) могут давать ложные результаты, близкие к нулю, даже при сильной зависимости.

¶Причинность: критерии и модели

¶Критерии причинности

Для установления причинно-следственной связи в науке используются различные подходы. Наиболее известны критерии Брэдфорда Хилла (1965), предложенные для эпидемиологии:

1. Сила ассоциации — чем сильнее корреляция, тем вероятнее причинная связь.
2. Постоянство — связь воспроизводится в разных исследованиях.
3. Специфичность — одна причина ведёт к одному следствию.
4. Временная последовательность — причина предшествует следствию.
5. Биологический градиент — дозозависимый эффект (больше доза — сильнее эффект).
6. Правдоподобие — механизм связи биологически обоснован.
7. Согласованность — связь не противоречит известным фактам.
8. Эксперимент — вмешательство, изменяющее причину, меняет следствие.
9. Аналогия — сходство с уже установленными причинными связями.

¶Модели причинности

• Модель Рубина (потенциальные исходы) — формализует причинный эффект как разницу между результатом при воздействии и результатом при отсутствии воздействия для одного и того же объекта. Поскольку одновременно наблюдать оба состояния невозможно, используется рандомизация.
• Причинные графы (структурные каузальные модели, SCM) — подход Джуда Перла, использующий направленные ациклические графы (DAG) для представления причинных отношений. Позволяет выводить причинные эффекты из наблюдательных данных при помощи do-оператора и критериев (например, критерий «задней двери»).

¶Ошибки при интерпретации корреляции

¶Ложная корреляция

Ложная (или мнимая) корреляция возникает, когда две переменные статистически связаны, но не имеют прямой причинной связи. Причины:

• Скрытая (конфаундинговая) переменная — третья переменная, влияющая на обе исследуемые. Например, положительная корреляция между числом продаж мороженого и числом утоплений объясняется погодой: летом продаётся больше мороженого и больше людей купается, что увеличивает риск утоплений.
• Случайное совпадение — при большом количестве данных могут обнаружиться статистически значимые, но случайные связи. Например, корреляция между числом нобелевских лауреатов в стране и потреблением шоколада (данные по разным странам) — пример из книги «Spurious Correlations».
• Автокорреляция — связь между последовательными значениями одной переменной во времени (например, рост ВВП и рост населения могут коррелировать просто из-за временного тренда).

¶Обратная причинность

Ошибка, при которой направление причинности перепутано. Например, корреляция между депрессией и низкой физической активностью может быть интерпретирована как «отсутствие активности вызывает депрессию», хотя возможно, что депрессия приводит к снижению активности.

¶Регрессия к среднему

Статистический феномен: после экстремального значения переменной следующее измерение с высокой вероятностью будет ближе к среднему. Это может быть ошибочно принято за причинный эффект (например, после лечения очень высокого давления оно обычно снижается, даже если лечение неэффективно).

¶Применение в науке и практике

¶Медицина и эпидемиология

Установление причинности — ключевая задача при оценке эффективности лекарств и факторов риска заболеваний. Золотой стандарт — рандомизированные контролируемые испытания (РКИ), где случайное распределение пациентов в группы лечения и контроля минимизирует влияние конфаундеров. В наблюдательных исследованиях (например, когортных) используются методы коррекции: стратификация, регрессионный анализ, инструментальные переменные, метод разности разностей.

¶Экономика и социология

В экономике причинность часто устанавливается с помощью квазиэкспериментальных методов: регрессия с разрывным дизайном, метод разности разностей, инструментальные переменные. Например, влияние повышения минимальной зарплаты на занятость изучается путём сравнения регионов, где повышение произошло, с регионами, где нет.

¶Машинное обучение

Корреляционный анализ используется для отбора признаков и выявления мультиколлинеарности. Однако для причинного вывода в последние годы развиваются методы причинного машинного обучения (causal ML), включающие причинные леса, мета-обучение (T-learner, S-learner) и структурные каузальные модели.

¶Критика и ограничения

Концепция причинности остаётся предметом философских дискуссий. В квантовой механике принцип причинности нарушается на микроуровне (квантовая запутанность). В сложных системах (например, в экологии или экономике) причинные связи могут быть нелинейными, циклическими или проявляться с запаздыванием, что затрудняет их выявление. Статистические методы, даже самые продвинутые, не могут окончательно доказать причинность без предположений (например, о невмешиваемости или о структуре конфаундеров), которые не всегда проверяемы.

¶Интересные факты

• Сайт «Spurious Correlations» (Тайлер Виген) собирает забавные примеры ложных корреляций: например, число утонувших в бассейнах коррелирует с числом фильмов, в которых снимался Николас Кейдж.
• В 2010-х годах в психологии разразился «кризис воспроизводимости»: многие корреляции, объявленные значимыми, не воспроизводились в повторных исследованиях, что подчеркнуло важность строгих методов проверки причинности.
• Джуд Перл, лауреат премии Тьюринга (2011), разработал математический аппарат для причинного вывода, который позволяет из наблюдательных данных извлекать причинные эффекты без проведения экспериментов.

¶Источники

1. Пирсон К. «Математические вклады в теорию эволюции. III. Регрессия, наследственность и панмиксия» (1896).
2. Хилл А. Б. «Окружающая среда и болезнь: ассоциация или причинность?» (1965).
3. Перл Дж. «Причинность: модели, рассуждения и выводы» (2009).
4. Рубин Д. Б. «Оценка причинных эффектов в рандомизированных и нерандомизированных исследованиях» (1974).
5. Виген Т. «Spurious Correlations» (2015).
6. Гренландер С., Робинс Дж. М. «Причинный вывод» (2014).