Digital SAT'te korelasyon ve nedensellik ayrımı

Digital SAT Math'in veri analizi sorularından bir kısmı size bir scatterplot, bir tablo ya da kısa bir araştırma özeti verir ve bu veriden hangi sonucun çıkarılabileceğini sorar. Bu soruların merkezinde tek bir ayrım vardır: iki değişkenin birlikte değişmesi (korelasyon) ile birinin diğerine yol açması (nedensellik) aynı şey değildir. Bu sayfa yalnızca bu ayrımı anlatıyor; soru tipleri, eksen okuma ve tempo gibi konular için iki değişkenli veri rehberine bakabilirsiniz.

Korelasyon ve nedensellik: SAT Math sorularının temel ayrım noktası

Korelasyon, iki değişkenin birlikte değişme eğilimidir: biri artarken diğeri de artıyorsa pozitif, azalıyorsa negatif korelasyon vardır. Nedensellik ise bir değişkendeki değişimin diğerinde bir değişime yol açtığı iddiasıdır. Scatterplot'taki noktalar belirgin bir doğrusal örüntü izliyorsa korelasyondan söz edebilirsiniz; ama bu örüntü tek başına hangi değişkenin hangisini etkilediğini söylemez. Sonuç sorularında doğru şıkkı bulmanın ilk adımı, bu iki kavramı ayrı tutmaktır.

Bir örnek: bir araştırma, hava sıcaklığı ile dondurma satışları arasında güçlü bir pozitif korelasyon buluyor. Sıcak havanın dondurma satışlarını artırdığı sonucuna varılabilir mi? Açıklama akla yatkın, ama korelasyon bunu kanıtlamaz. Gözlemsel çalışmalarda nedensellik iddiası ileri sürülemez, çünkü karıştırıcı değişkenler tam olarak kontrol edilemez. Katılımcıların gruplara rastgele atandığı deneylerde ise (random assignment) karıştırıcı değişkenlerin etkisi en aza iner ve neden-sonuç çıkarımı mümkün olur; katılımcılar hangi gruba gireceklerini kendileri seçiyorsa ya da gruplar rastgele olmayan bir yolla oluşturulmuşsa bu çıkarım yapılamaz. Bu araştırmada kimse sıcaklığı atamamış, sıcaklık ve satışlar yalnızca kaydedilmiştir. Elimizde bir ilişki vardır, kanıtlanmış bir neden yoktur. Aynı veri, ters yöndeki iddiayı, yani dondurma satışlarının havayı ısıttığını da desteklemez. Soru metninde çalışmanın türünü grupların nasıl oluştuğundan anlarsınız: araştırmacı katılımcıları gruplara rastgele yerleştirdiyse rastgele atamalı bir deney, değerleri yalnızca ölçüp kaydettiyse gözlemsel bir çalışma söz konusudur.

İlişkinin güçlü olması da bu sonucu değiştirmez. Korelasyon katsayısı r, doğrusal ilişkinin yönünü ve gücünü ölçer; r² ise y'deki değişkenliğin modelce açıklanan payıdır. Buradaki "açıklamak" istatistiksel bir uyum ölçüsüdür, neden-sonuç iddiası değildir: r = 0,95 ya da r² = 0,90 olan gözlemsel bir veri de nedenselliği kanıtlamaz. Eğimi yorumlarken de aynı dikkat gerekir. Doğru eğim yorumu tahmin edilen y üzerinden kurulur: x her 1 birim arttığında modelin tahmin ettiği y, eğim kadar değişir. Gözlemsel veride x'i değiştirmenin y'yi değiştireceğini, yani bir neden-sonuç ilişkisini söyleyen yorum ise desteklenmez. r, r² ve eğimin hesabı ile yorumu en iyi uyum doğrusu sayfasında anlatılıyor.

Soru metni analizi: Korelasyon-nedensellik tuzağı nasıl çalışır

Bu tür bir soruda önce iki değişken arasındaki ilişki verilir: bir scatterplot, bir tablo ya da "X'i yüksek olanların Y'si de yüksek çıktı" türünden bir araştırma özeti. Ardından bu ilişkiden yola çıkan bir sonuç cümlesi ya da sonuç seçenekleri gelir. Sizin işiniz, sonucun veriyi aşıp aşmadığını değerlendirmektir.

Örnek bir yapı düşünün: "X değişkeni arttıkça Y değişkeni de artıyor. Dolayısıyla X, Y'nin nedenidir." Gözlemsel veride bu çıkarım desteklenmez, çünkü ilişkinin yönü ve kaynağı kanıtlanmamıştır. Üçüncü bir değişken Z hem X'i hem Y'yi etkiliyor olabilir, ilişki ters yönde işliyor olabilir ya da görülen örüntü tesadüfi olabilir. Bu üç açıklama aşağıda ayrı ayrı ele alınıyor.

Bir sonucu nedensel yapan, içindeki bağlaç değil, söylediği şeydir. "X, Y'yi artırır", "X, Y'yi azaltır", "X, Y'ye yol açar" gibi, bir değişkenin diğerini değiştirdiğini söyleyen cümleler nedensellik iddiasıdır; yukarıdaki örnekte de iddiayı nedensel yapan "dolayısıyla" değil, "X, Y'nin nedenidir" ifadesidir. "Dolayısıyla" ya da "bu nedenle" yalnızca veriden bir sonuca geçildiğini gösterir: "Noktalar yükselen bir doğru etrafında toplanıyor, dolayısıyla bu katılımcılar arasında X ile Y pozitif ilişkilidir" cümlesi nedensel değildir ve gözlemsel veride doğru cevap olabilir. Sonuç nedensel ise karar çalışmanın nasıl yapıldığından çıkar: gözlemsel veride desteklenmez; katılımcıların gruplara rastgele atandığı bir deneyde ise, çalışmaya katılanlarla sınırlı nedensel sonuç doğru cevap olabilir.

Korelasyon ve nedensellik ayrımında yaygın hatalar

Korelasyondan doğrudan nedensellik çıkaran bir akıl yürütme, aşağıdaki üç açıklamayı atlar. Bir sonuç şıkkını değerlendirirken her birini sırayla deneyin.

Üçüncü değişkeni gözden kaçırmak

İki değişken arasındaki korelasyon, ikisini birden etkileyen gizli bir üçüncü değişkenden kaynaklanabilir. Bir araştırma, düzenli olarak kahve tüketen kişilerin kalp atış hızının daha yüksek olduğunu buluyor. Bu, kahvenin kalp atış hızını artırdığı anlamına mı geliyor? Veri bunu tek başına göstermez. Kahve tüketen kişiler genellikle daha yoğun çalışıyor, daha az uyuyor, daha fazla stres yaşıyor olabilir; bunların her biri kalp atış hızını etkileyebilir. Ya da tamamen farklı bir değişken, örneğin genetik yatkınlık, hem kahve tüketimini hem de kalp atış hızını birlikte etkiliyor olabilir. Bu tür bir değişkene üçüncü değişken ya da karıştırıcı değişken (confounding variable) denir.

Ters yön nedenselliği atlamak

X ile Y arasında korelasyon olduğunda X'in Y'ye yol açtığını varsaymak, tam tersinin de mümkün olduğunu gözden kaçırır. Bir scatterplot eğitim seviyesi ile gelir düzeyi arasında pozitif bir korelasyon gösterdiğinde, eğitimin geliri artırdığı sonucuna varılamaz. Geliri yüksek olan kişiler eğitime daha fazla kaynak ayırabiliyor, örneğin ek bir lisansüstü programın masrafını karşılayabiliyor olabilir. Ya da sosyoekonomik arka plan hem eğitim hem gelir düzeyini aynı anda etkiliyor olabilir; bu da yine üçüncü değişken açıklamasıdır.

Tesadüfü hesaba katmamak

Az sayıda gözlemde güçlü görünen bir korelasyon tesadüfen ortaya çıkabilir; birkaç noktalık bir scatterplot'taki örüntü, veri arttığında kaybolabilir. Büyük bir örneklem ise bu ihtimali azaltır ama tek başına nedenselliği kanıtlamaz: binlerce kişilik gözlemsel bir veride de üçüncü değişken ve ters yön açıklamaları geçerliliğini korur.

İlişkiyi tümden yok saymak

Öbür uçtaki hata da yanlış şık üretir. Veri bir korelasyon gösteriyorsa "iki değişken arasında ilişki yoktur" diyen seçenek de yanlıştır. Gözlemsel bir çalışmanın desteklediği sonuç iki ucun arasındadır: ilişki, en azından incelenen grupta vardır; ama bu ilişkinin nedensel olup olmadığı bu çalışmayla kanıtlanamaz.

Örnek soru çözümlemesi: Adım adım analiz

Aşağıdaki soru, korelasyon-nedensellik ayrımını adım adım uygular. Bir araştırmacı, bir üniversitede duyuruya yanıt veren gönüllü öğrencilere haftada kaç gün egzersiz yaptıklarını soruyor ve stres düzeylerini bir ölçekle ölçüyor. Sonuçlara göre daha sık egzersiz yapan öğrencilerin stres düzeyi daha düşük olma eğiliminde. Bu çalışmadan hangi sonuç çıkarılabilir?

1. Egzersiz, öğrencilerin stres düzeyini azaltır.
2. Bu çalışmanın katılımcıları arasında daha sık egzersiz yapanların stres düzeyi daha düşük olma eğilimindedir, ancak çalışma egzersizin stresi azalttığını göstermez.
3. Egzersiz ile stres düzeyi arasında bir ilişki yoktur.
4. Düşük stres, öğrencilerin daha sık egzersiz yapmasına yol açar.

İlk adım, verilen bilgiyi tespit etmektir: egzersiz sıklığı ile stres düzeyi arasında negatif bir ilişki vardır. İkinci adım, çalışmanın türüne bakmaktır: kimse gruplara atanmamış, öğrencilerin var olan alışkanlıkları kaydedilmiştir; bu bir gözlemsel çalışmadır. Üçüncü adım, alternatif açıklamaları düşünmektir. Düşük stres, öğrencileri egzersize daha istekli hale getirmiş olabilir; bu ters yön açıklamasıdır. Ya da üçüncü bir değişken olan genel sağlık durumu, hem egzersiz alışkanlığını hem stres düzeyini etkiliyor olabilir. Dördüncü adım, sonucun kimler için söylendiğine bakmaktır. İlişkinin kimler için geçerli olduğu ayrı bir ölçüttür: katılımcılar nüfustan rastgele seçilmediyse sonuç yalnızca bu katılımcılar için söylenebilir. Buradaki öğrenciler duyuruya yanıt veren gönüllülerdir, rastgele seçilmemişlerdir.

Şimdi şıkları eleyin. A bir nedensellik iddiasıdır ve gözlemsel bir çalışma bunu desteklemez. D de bir nedensellik iddiasıdır, yalnızca yönü terstir; aynı nedenle desteklenmez. C veriyle çelişir, çünkü ilişki veride açıkça görülüyor. Doğru cevap B'dir: ilişkiyi kabul eder, nedenselliği iddia etmez ve sonucu çalışmanın katılımcılarıyla sınırlar. Aynı cümleyi "tüm üniversite öğrencileri arasında" diye kuran bir şık olsaydı, o da veriyi aşardı. Korelasyon, nedensellik için yeterli kanıt değildir; ama yok sayılabilecek bir bulgu da değildir.

Soru çözümlemesinde kontrol listesi

Bir sonuç sorusunda şu beş soruyu sırayla sorun:

1. Soru metninde ya da grafikte bir korelasyon ifadesi var mı, ilişkinin yönü ne?
2. Önerilen sonuç bir nedensellik iddiası içeriyor mu, yani bir değişkenin diğerini değiştirdiğini söylüyor mu?
3. Katılımcılar gruplara rastgele atanmış mı? Atanmışsa nedensel sonuç, çalışmaya katılanlar için desteklenebilir; atanmamışsa üçüncü değişken, ters yön ve tesadüf açıklamaları açık kalır.
4. Atanmamışsa: seçtiğiniz şık bu açıklamaları hesaba katıyor, ama verideki ilişkiyi de inkâr etmiyor mu?
5. Sonuç kimin için söyleniyor? Katılımcılar sonucun söylendiği gruptan rastgele seçilmediyse sonuç, nedensel olsun ya da olmasın, yalnızca katılımcılar için söylenebilir.

Açıklamanın akla yatkın görünmesi bu listeyi kısaltmaz. Sıcaklık ile dondurma satışında olduğu gibi tek bir neden-sonuç açıklaması apaçık görünse de, eğitim ile gelirde olduğu gibi iki yön de mümkün olsa da karar üçüncü sorudan çıkar: nedensel bir şıkka izin veren, açıklamanın inandırıcılığı değil, rastgele atamadır.

Sonuç: Verinin söylediği kadarını seçmek

Korelasyon-nedensellik sorularında amaç, verinin gösterdiği kadarını söyleyen şıkkı seçmektir; ne fazlasını ne eksiğini. Gözlemsel veride bu, "ilişki, en azından incelenen grupta vardır; ama nedensellik bu veriyle kanıtlanamaz" cümlesidir. İlişkinin gücü, r ya da r² değeri bu cümleyi değiştirmez.

İki değişkenli verinin öteki konuları kendi sayfalarında anlatılıyor: artık değer, r ve r², aykırı değerin korelasyona etkisi ve veri aralığı dışındaki tahmin en iyi uyum doğrusu sayfasında; doğrusal, üstel ya da kuadratik model seçimi model seçimi sayfasında; soru tipleri, eksen okuma, tempo ve modül yapısı ise iki değişkenli veri rehberinde.

Sıkça Sorulan Sorular