Een correlatie, positief of negatief, betekent nooit oorzaak. In statistieken wordt de term correlatie gebruikt om de relatie tussen twee of meer variabelen te beschrijven. Correlaties zijn positief wanneer een toename van de frequentie van één variabele gepaard gaat met een toename van de frequentie van de andere variabele. Negatieve correlaties zouden hiervan het omgekeerde zijn: de frequentie van de variabele van een variabele gaat gepaard met de afname in frequentie van de andere variabele. Correlatie kan een waardevol hulpmiddel zijn voor statistische analyse, maar dit kan niet de oorzaak zijn van wat statistici verstorende variabelen noemen.
Conflicterende variabelen beïnvloeden de relatie tussen twee of meer andere variabelen op manieren die vaak niet waarneembaar of onmeetbaar zijn. The Guardian citeert de correlatie tussen roken en longkanker als een goed voorbeeld van hoe verstorende variabelen het proces van correlatieve analyse kunnen verwarren. In dit geval was er een duidelijk duidelijke positieve correlatie tussen de toename van roken en een toename van het aantal gevallen van longkanker. Er was echter geen manier voor analisten om overtuigend vast te stellen dat alleen roken verantwoordelijk was voor de toename, vanwege andere factoren, zoals de implementatie van betere diagnostische procedures en de toename van industriële en verkeersgerelateerde vervuiling. Omdat al deze variabelen belangrijk waren bij het bepalen van de oorzaak achter de toename van longkankergevallen, vertroebelden ze de relatie tussen roken en longkanker en maakten het veel moeilijker om de exacte relatie te achterhalen.
Dit wil niet zeggen dat correlaties analisten niet beter kunnen begrijpen hoe twee variabelen elkaar beïnvloeden, maar dit soort analyses kan geen absolute zekerheid bieden. In het geval van roken en longkanker duurde het meer dan 40.000 artsen en meerdere jaren van intensieve studie om met zekerheid vast te stellen wat de werkelijke relatie tussen de twee variabelen is. Dit gezegd zijnde, hoe sterker de correlatie tussen twee variabelen, positief of negatief, hoe waarschijnlijker het is dat er ten minste enige hoeveelheid causaliteit in het spel is. Als u de correlatie voor financiële doeleinden analyseert, probeer dan te onderzoeken op welke manieren professionele financiële instellingen dit zouden doen.
Hoe vind ik een positieve correlatie op de aandelenmarkt?
Leren hoe positieve correlatie wordt gevonden in de aandelenmarkt, hoe correlatie wordt berekend en hoe positieve correlatie nuttig is voor arbitragestrategieën.
Wat is het verschil tussen positieve correlatie en inverse correlatie?
Leren het verschil tussen een positieve correlatie en een negatieve of inverse correlatie en de manier waarop ze op de echte wereld van toepassing zijn.
Waarom is de aanname van Ceteris Paribus belangrijk bij het bepalen van het oorzakelijk verband?
Leren het belang van de ceteris paribus-aanname, waarbij andere factoren als constant worden verondersteld, bepalen bij het bepalen van eenvoudige causale verbanden.