Samenhang en causaliteit
Als twee variabelen samenhangen, wil dat nog niet zeggen dat de ene de oorzaak is van de andere. In deze les leer je wanneer je wél van een oorzakelijk (causaal) verband mag spreken.
Na deze les kun je
- een samenhang beschrijven in een puntenwolk of kruistabel
- de twee voorwaarden voor causaliteit noemen en toepassen
- een variabele bedenken die een samenhang kan verklaren
- uitleggen waarom aselect indelen in groepen helpt
Dit weet je al
Spreidingsdiagrammen (les 10.1b).
Samenhang beschrijven
In een puntenwolk zie je een samenhang als de punten rond een stijgende of dalende lijn liggen. Beschrijf hem zo: "Bij grotere ... horen over het algemeen grotere (of kleinere) ...". Het woord "over het algemeen" is belangrijk: er zijn altijd uitzonderingen.
Twee voorwaarden voor causaliteit
Een samenhang is alleen causaal (oorzakelijk) als aan beide voorwaarden is voldaan.
- De oorzaak gaat vooraf aan het gevolg.
- Er zijn geen andere variabelen die de samenhang verklaren.
De eerste voorwaarde is meestal makkelijk na te gaan. De tweede is lastig: er kunnen veel andere variabelen zijn. Eén verklarende variabele is genoeg om te zeggen dat de samenhang niet causaal is.
In een badplaats blijkt: hoe meer zonnebrandcrème er op een dag verkocht wordt, hoe meer mensen er die dag een zonnesteek krijgen. Is zonnebrandcrème een oorzaak van zonnesteken?
- Er is een samenhang: op dagen met meer verkochte crème zijn er over het algemeen meer zonnesteken.
- Een andere variabele verklaart de samenhang: het weer. Op zonnige, warme dagen kopen mensen meer crème én krijgen ze vaker een zonnesteek.
- Aan de tweede voorwaarde is niet voldaan, dus er is geen causaal verband.
Uit een puntenwolk alleen kun je nooit concluderen dat de ene variabele de andere veroorzaakt. Schrijf dus niet "meer gamen zorgt voor een snellere reactietijd", maar "bij meer gamen hoort over het algemeen een snellere reactietijd".
Aselect indelen
Hoe sluit je alle andere variabelen uit? Door de proefpersonen aselect (door loting) in groepen in te delen. De ene groep krijgt de behandeling, de andere groep niet (de controlegroep). Door het toeval zijn alle andere variabelen, zoals inzet, leeftijd of aanleg, ongeveer gelijk verdeeld over de groepen. Die kunnen een verschil tussen de groepen dus niet verklaren.
Laat je mensen zelf kiezen of ze meedoen, dan zijn de groepen niet aselect ingedeeld. Wie zelf kiest voor extra training, is misschien al gemotiveerder of sterker. Dan kan juist die motivatie het verschil verklaren.
Snap je het?
Kinderen met grotere voeten kunnen over het algemeen beter lezen. Welke variabele verklaart deze samenhang?
Aan welke voorwaarde voor causaliteit is niet voldaan als een andere variabele de samenhang verklaart?
Een arts geeft 100 patiënten die het zelf willen een nieuw medicijn, en vergelijkt hen met patiënten die het niet wilden. Kun je zo concluderen dat het medicijn werkt?
Als je groepen vergelijkt, wil je ook weten hoe groot het verschil is. In de volgende twee lessen doe je dat met de vuistregels van het examenformuleblad.
Klaar met deze les? Zet hem op gelezen; je voortgang staat rechtsboven.