상관관계가 인과관계를 의미 없음

Correlation does not imply causation
환상적 상관관계나 컨플리케이션과 혼동하지 마십시오.

"상관관계는 인과관계를 의미하지 않는다"라는 문구는 단지 관측된 연관성이나 [1][2]상관관계를 바탕으로 두 사건 또는 변수 사이의 인과관계를 합법적으로 추론할 수 없는 것을 의미한다."상관관계가 인과관계를 내포한다"는 생각은 의문-원인 논리적 오류의 한 예이다. 이 오류에서는 함께 발생하는 두 사건이 인과관계를 확립한 것으로 간주된다.이 오류는 라틴어 cum hoc ergo propter hoc(이것 때문에, 이것 때문에)로도 알려져 있습니다.이는 사후 에고 프로퍼(이하 "따라서 이것 때문에")로 알려진 오류와는 다릅니다.이 오류는 후속 사건이 이전 사건의 필연적인 결과로 간주되며, 두 사건, 아이디어, 데이터베이스 등이 하나로 잘못 결합되는 것과 다릅니다.

논리적인 오류와 마찬가지로, 논쟁의 배후에 있는 논리에 결함이 있다고 식별하는 것이 반드시 결과적인 결론이 거짓이라는 것을 의미하지는 않는다.그레인저 인과관계 테스트와 수렴 교차 매핑을 포함하여 인과관계에 대한 가설 테스트의 기초로 상관관계를 사용하는 통계적 방법이 제안되었다.

'임플라이'의 사용법 및 의미

일상적인 사용에서, "implies"라는 단어는 요구하기 보다는 암시하는 것을 의미합니다.그러나 논리적으로 "임플리"라는 단어의 기술적 사용은 "충분한 조건"[3]을 의미합니다.이는 통계학자들이 인과관계가 확실하지 않다고 말할 때 의도하는 의미이다.실제로, p는 q가 조건부 재료의 기술적 의미를 가지고 있음을 암시한다. p가 p → q로 상징된다.즉, "상황 p가 참이면 q가 뒤따른다"는 것입니다.그런 의미에서 "상관관계가 인과관계를 의미하는 것은 아니다"라고 말하는 것은 항상 옳다.

인과관계가 있는 경우, 상관관계가 있지만, 원인과 결과 사이의 시간적 순서, 그럴듯한 메커니즘, 그리고 때로는 공통적이고 중간적인 원인이 있다.상관관계는 필요한 조건이기 때문에 인과관계를 추론할 때 자주 사용되지만, 충분한 조건은 아니다.

공룡의 문맹과 멸종은 상관관계가 있을 수 있지만, 이것은 두 변수가 인과관계가 있다는 것을 의미하지는 않는다.

원인 분석

주요 기사:원인 분석

인과 분석은 원인과 [4][5]결과의 확립과 관련된 실험 설계와 통계의 분야입니다.상관된 두 사건, A와 B에 대해 가능한 관계는 다음과 같습니다.

  • A는 B(직접 원인)를 일으킨다.
  • B는 A(역원인)를 일으킨다.
  • A와 B는 모두 C(공통원인)에 의해 발생한다.
  • A는 B를, B는 A를 일으킨다(양방향 또는 주기적 원인).
  • A와 B 사이에는 접속이 없습니다.상관관계는 우연의 일치입니다.

따라서 A와 B가 상관관계에 있다는 사실만으로 인과관계의 존재나 방향에 관한 결론이 나올 수 없다.A와 B의 관계가 통계적으로 유의하거나 큰 효과 크기가 관측되거나 분산의 많은 부분이 설명되는 경우에도 실제 인과 관계가 있는지 여부를 판단하려면 추가 조사가 필요합니다.

철학과 물리학에서

주요 기사:인과관계 및 인과관계(물리학)

인과 관계의 본질은 철학과 물리학을 포함한 여러 학문 분야에서 체계적으로 조사된다.

학계에서는 인과관계에 관한 많은 이론이 있다.옥스퍼드 인과관계 핸드북(Beebee, Hitchcock & Menzies 2009)은 770페이지로 구성되어 있습니다.철학에서 가장 영향력 있는 이론으로는 아리스토텔레스의 4대 원인과 알-가잘리의 [6]간혹성이 있다.David Hume는 인과관계에 대한 믿음은 경험에 기초하고 있으며, 미래의 모델은 경험에 기초할 수 있으며, 이는 다시 순환 논리로 이어질 수 있다고 가정하여 비슷하게 경험한다고 주장했다.결론적으로, 그는 인과관계가 실제 추론에 기초하지 않고, 단지 상관관계만 실제로 [7]인식될 수 있다고 주장했다.Beebee, Hitchcock & Menzies (2009)에 따르면, 임마누엘 칸트는 "모든 사건이 원인이 있거나 인과 법칙에 따라 따르는 인과 원리는 엄격한 보편성이나 필요성이 결여되기 때문에 순수한 경험적 주장으로 귀납을 통해 확립될 수 없다"고 주장했다.

철학 분야 밖에서, 원인 이론은 고전 역학, 통계 역학, 양자 역학, 시공간 이론, 생물학, 사회 과학, 그리고 [6]법에서 확인될 수 있습니다.물리학 내에서 인과 관계를 확립하기 위해서는 일반적으로 원인과 결과가 알려진 자연의 법칙에 따라 국소 메커니즘(예를 들어 충격 개념 참조) 또는 비국소 메커니즘(장 개념 참조)을 통해 연결되어야 한다.

열역학의 관점에서, 열역학 제2법칙을 통해 원인과 효과의 보편적인 특성이 확인되었으며, 열역학 자유 에너지의 특정 사례에 대해 "원인이 효과보다 크다"는 고대, 중세 및 데카르트적[8] 관점을 확인하였다.이는 비선형 시스템의 개념과 나비 효과의 일반적인 해석에 의해 해결된다[dubious – discuss]. 즉, 작은 사건은 각각 예측 불가능성과 많은 양의 잠재적 에너지의 발생 가능성이 낮기 때문에 큰 영향을 초래한다.

반사실적 상태로 해석된 인과관계

다음 항목도 참조하십시오.검증주의

직관적으로, 인과관계는 단지 상관관계가 아니라 반사실적 의존성을 필요로 하는 것으로 보인다.한 학생이 시험을 잘 못 봤다고 가정하고 그 원인이 공부를 안 한 것이라고 추측합니다.이것을 증명하기 위해서, 사람들은 반사실적인 것을 생각한다. 같은 상황에서 같은 학생이 같은 시험을 치르지만 전날 밤에 공부를 했다.역사를 되감고 작은 것 하나만 바꿀 수 있다면(학생이 시험을 위해 공부하게 한다), 인과관계를 관찰할 수 있다(버전 1과 버전 2를 비교함으로써).역사를 되감고 작은 변화를 만든 뒤 사건을 재현할 수 없기 때문에 원인은 추측만 할 수 있을 뿐 정확히는 알 수 없다.이것은 인과 추론의 근본적인 문제라고 불리며 인과 관계를 [9]직접 관찰하는 것은 불가능하다.

과학 실험과 통계 방법의 주요 목표는 가능한 한 세계의 [10]반사실적 상태에 근접하는 것이다.예를 들어, 검사에서 일관되게 같은 점수를 받는 것으로 알려진 일란성 쌍둥이에 대해 실험을 수행할 수 있습니다.한 쌍둥이는 6시간 동안 공부를 하고 다른 한 쌍둥이는 놀이공원으로 보내진다.만약 그들의 시험 성적이 갑자기 크게 차이가 난다면, 이것은 공부(또는 놀이공원 가기)가 시험 점수에 인과관계가 있다는 강력한 증거가 될 것이다.이 경우, 공부와 시험 점수 사이의 상관관계는 거의 확실히 인과관계를 암시할 것이다.

잘 설계된 실험 연구는 이전 예시와 같이 집단의 평등으로 개인의 평등을 대체합니다.목표는 그룹이 받는 치료를 제외하고 유사한 두 개의 그룹을 구성하는 것입니다.이것은 단일 모집단에서 피실험자를 선택하고 무작위로 두 개 이상의 그룹에 할당함으로써 달성됩니다.그룹이 서로 비슷하게(평균적으로) 동작할 가능성은 각 그룹의 피험자 수에 따라 증가합니다.만약 집단이 그들이 받는 치료를 제외하고 본질적으로 동등하고 집단에 대한 결과의 차이가 관찰된다면, 이는 치료법이 결과에 책임이 있다는 증거, 즉 치료제가 관찰된 효과를 유발한다는 증거가 된다.그러나 관측된 효과는 "우연히" 발생할 수도 있다. 예를 들어 모집단의 무작위 섭동의 결과이다.통계적 검정은 관측된 차이가 실제로 존재하지 않는다고 잘못 결론을 내릴 가능성을 정량화하기 위해 존재한다(예: P-값 참조).

경향 추정에 의한 인과관계 예측

다음 항목도 참조하십시오.상관 관계 관성 및 수명

일반적으로 경제학에서와 같이 실험 연구가 불가능하고 기존 데이터만 사용할 수 있는 경우 회귀 분석을 사용할 수 있습니다.잠재적 관심 원인 변수 이외의 요인은 관심 변수를 나타내는 회귀 변수와 함께 회귀 요인으로 포함시킴으로써 제어된다.역원인(또는 양방향 인과관계 존재로 인한 잘못된 인과관계 추정)에 의한 잘못된 인과관계 추론은 강수량(예: 선물 가격의 결정 요인)과 같은 물리적 설명자를 사용하여 다음과 같은 지연 변수를 피할 수 있다.se 값은 종속 변수의 값이 결정되기 전에 결정되었다. 설명자에 대한 도구 변수(알려진 외부성에 기초함) 등이 그것이다.통계와 경제에서 인과관계를 살펴보세요.세 번째 공통원인변수의 상호영향으로 인한 유사상관관계는 피하기 어렵다.모델은 분석에서 그러한 기초원인변수가 누락되지 않았다고 믿을 수 있는 이론적 이유가 있도록 특정되어야 한다.

상관 관계에서 원인을 논리적으로 추론하는 예

B는 A(역원인 또는 역원인)를 일으킨다.

역원인 또는 역원인 또는 잘못된 방향은 원인과 결과가 뒤바뀌는 의문원인의 비공식적 오류이다.원인은 영향이고 그 반대도 마찬가지라고 한다.

예 1
풍차가 빠르게 회전하는 것이 관찰될수록 더 많은 바람이 관찰된다.
따라서 바람은 풍차의 회전으로 발생한다.(또는 간단히 말하면 풍차는 이름에서 알 수 있듯이 풍차를 만드는 기계이다.)

이 예에서 풍차 활동과 풍속 사이의 상관 관계(동시성)는 풍차가 바람을 일으킨다는 것을 의미하지 않습니다.풍차는 풍차가 존재할 필요가 없는 반면 풍차는 회전하기 위해 바람이 필요하다는 사실에서 알 수 있듯이, 오히려 그 반대이다.바람은 풍차나 회전하지 않는 풍차가 없는 곳에서 관측될 수 있고, 풍차가 발명되기 전에 바람이 존재했다고 믿을 만한 충분한 이유가 있다.

예 2
콜레스테롤이 낮은 환자는 사망률의 증가와 관련이 있다.
따라서 콜레스테롤이 낮으면 사망 위험이 높아집니다.

그 반대입니다.이로 인해 암과 같은 질병은 체중 감소와 [11]사망률 증가와 같은 수많은 요인들로 인해 낮은 콜레스테롤을 일으킨다.이것은 전 흡연자에게도 나타난다.전 흡연자들은 현재 [12]흡연자들보다 폐암으로 사망할 가능성이 더 높다.평생 흡연자들이 폐암에 걸렸다는 말을 들으면 많은 사람들이 담배를 끊는다.이러한 변화는 전 흡연자들이 현재의 흡연자들보다 폐암으로 사망할 가능성이 더 높은 것처럼 보이게 할 수 있다.이것은 알코올 중독자에게서도 나타난다.알코올 중독자가 간경변으로 진단되면서 많은 사람들이 술을 끊는다.그러나 사망위험도 높아진다.이러한 경우 사망위험을 증가시키는 것은 질병이지만, 사망률 증가는 진단에 따른 유익한 효과로 인해 건강한 변화가 건강하지 않은 것처럼 보이게 된다.

예 3

다른 경우에는 단순히 어떤 것이 원인이고 어떤 것이 결과인지 불분명할 수도 있다.예를 들어 다음과 같습니다.

TV를 많이 보는 아이들이 가장 폭력적이다. 분명히, TV는 아이들을 더 폭력적으로 만든다.

이것은 쉽게 반대일 수 있다; 즉, 폭력적인 아이들은 덜 폭력적인 아이들보다 더 많은 TV를 보는 것을 좋아한다.

예 4

레크리에이션용 약물 사용과 정신 질환의 상관관계는 둘 중 하나일 수 있다: 아마도 약물이 장애를 유발하거나, 아니면 아마도 사람들은 기존의 상태를 위해 자가 약물을 사용하기 위해 약을 사용할 것이다.게이트웨이 약물 이론은 마리화나의 사용이 더 어려운 약물의 사용으로 이어질 수 있지만, 강한 약물의 사용은 마리화나의 사용으로 이어질 수 있다고 주장합니다.사실, 통제된 실험이 종종 인과관계를 식별하는데 사용될 수 없는 사회과학에서, 이 오류는 오랜 과학적 논쟁을 부채질할 수 있다.그러한 예 중 하나는 교육 경제학에서 선별/신호 모델과 인적 자본 모델 사이에서 찾을 수 있다. 즉, 선천적인 능력이 있으면 교육을 이수할 수 있는 것이거나 교육을 이수하면 능력을 쌓는 것이 될 수 있다.

예 5

이것의 역사적 예는 중세 유럽인들이 이가 건강에 이롭다고 믿었다는 것입니다. 왜냐하면 아픈 사람들에게 이가 거의 없을 것이기 때문입니다.그 이유는 이가 떠났기 때문에 사람들이 병에 걸렸다는 것이다.하지만 진짜 이유는 이가 체온에 극도로 민감하기 때문이다.발열과 같은 약간의 체온 상승은 이가 다른 숙주를 찾게 할 것이다.의료용 체온계는 아직 발명되지 않았기 때문에, 이러한 온도 상승은 거의 눈에 띄지 않았다.나중에 눈에 띄는 증상이 나타나 이가 [13]아프기 전에 떠난 것 같은 느낌을 주었다.

다른 경우에는, 가난과 교육의 부족, 또는 지연과 낮은 자존감을 고려하는 두 가지 현상이 각각 다른 것의 부분적인 원인이 될 수 있습니다.그러나 이 두 가지 현상에 기초한 주장을 하는 사람은 순환적 원인과 결과의 오류를 피해야 한다.가난은 교육 부족의 원인이지만, 그것이 유일한 원인은 아니며, 그 반대도 마찬가지이다.

세 번째 요인 C(공통 원인 변수)는 A와 B를 모두 유발합니다.

주요 기사: 스플리어스한 관계

세 번째 원인 오류(공통[14] 원인 또는 의문[14] 원인 무시라고도 함)는 가짜 관계가 인과 관계와 혼동되는 논리적 오류입니다.실제로는 X와 Y가 둘 다 Z에 의해 야기되는 경우 X가 Y를 야기한다고 단언합니다.그것은 임시방편의 에르고 프로포터의 임시방편의 오류에 대한 변형이며 오류의 의문 원인 그룹의 구성원이다.

이러한 예제는 모두 상관 관계의 두 가지 원인에 모두 영향을 미치는 숨겨진 세 번째 변수인 잠복 변수를 다루고 있습니다.A 및 B와는 근본적으로 다르지만 세 번째 요인이 A 및/또는 B와 매우 밀접하게 관련되어 있어 혼동되거나 과학적으로 분리하기가 매우 어려운 경우에도 종종 어려움이 발생한다(예 4 참조).

예 1
신발을 신고 자는 것은 두통을 안고 일어나는 것과 밀접한 관련이 있다.
그래서 신발을 신고 자는 것은 두통을 유발한다.

위의 예는 신발을 신고 자는 것이 두통을 일으킨다고 성급하게 결론내리기 때문에 상관-암시-원인 오류를 범한다.더 그럴듯한 설명은 둘 다 제3의 요인에 의해 발생하는데, 이 경우 술에 취해 잠자리에 들기 때문에 상관관계가 생긴다는 것이다.그래서 결론은 틀렸다.

예 2
불을 켜고 자는 어린 아이들은 나중에 근시가 될 가능성이 훨씬 더 높다.
그래서 불을 켜고 자는 것은 근시의 원인이 된다.

이것은 펜실베니아 대학 메디컬 센터의 연구에서 나온 과학적인 예입니다.1999년 5월 13일자 [15]네이처지에 실린 이 연구는 당시 대중 [16]매체에서 많은 보도를 받았다.하지만, 오하이오 주립 대학의 최근 연구는 불을 켜고 자는 유아들이 근시의 발달을 일으킨다는 것을 발견하지 못했다.그것은 부모 근시와 어린이 근시의 발달 사이의 강한 연관성을 발견했고, 또한 근시 부모가 자녀들의 [17][18][19][20]침실에 불을 켜두는 경향이 더 높다는 것을 지적했다.이 경우, 두 질환의 원인은 모두 부모의 근시이며, 위의 결론은 거짓입니다.

예 3
아이스크림 판매가 증가함에 따라 익사하는 비율이 급격히 증가한다.
그러므로, 아이스크림 소비는 익사하게 만든다.

이 예에서는 아이스크림 판매에 있어 시간과 온도의 중요성을 인식하지 못합니다.아이스크림은 더운 여름철에 추운 시기보다 훨씬 더 높은 비율로 팔리고, 사람들이 수영과 같은 물과 관련된 활동에 더 많이 참여하게 되는 것은 이 더운 여름철이다.익사하는 사망자가 증가한 것은 단순히 아이스크림이 아닌 수성 활동에 더 많이 노출되었기 때문이다.기재된 결론은 틀렸다.

예 4
가상의 연구는 시험 불안 점수와 수줍음 점수의 관계를 보여주며,[21] 통계 r 값(상관 강도)은 +.59이다.
따라서 수줍음이 시험 불안감에 인과적으로 영향을 미친다고 간단히 결론지을 수 있다.

그러나 많은 심리학 연구에서 볼 수 있듯이 수줍음과 더 뚜렷한 상관관계를 갖는 또 다른 변수인 "자아의식 점수"가 발견되었다.이것은 가능한 "제3 변수" 문제를 시사하지만, 이와 같이 밀접하게 관련된 세 가지 척도가 발견되면, 각 척도가 서로 어느 정도 영향을 미치는 상관 값의 클러스터인 쌍방향 경향(위의 "쌍방향 변수" 참조)을 가질 수 있음을 추가로 시사한다.따라서 위의 간단한 결론은 잘못된 것일 수 있습니다.

예 5
1950년대 이후 대기 중 이산화탄소2 수치와 비만 수치가 모두 급격히 증가했다.
따라서, 대기2 중의 CO는 비만의 원인이 된다.

부유한 인구일수록 더 많은 음식을 먹고 더 많은2 이산화탄소를 배출하는 경향이 있다.

예 6
HDL 콜레스테롤은 심장마비 발병률과 음의 상관관계가 있다.
따라서 HDL을 높이기 위해 약을 복용하는 것은 심장마비를 일으킬 가능성을 낮춘다.

더[22] 많은 연구가 이 결론에 의문을 제기했다.대신에, 유전자, 식이요법, 운동과 같은 다른 근본적인 요소들이 HDL 수치와 심장마비를 일으킬 가능성 모두에 영향을 미칠 수 있다; 약이 심장마비의 가능성에 영향을 미치지 않고 직접적으로 측정 가능한 요소인 HDL 수치에도 영향을 미칠 수 있다.

쌍방향 원인:A가 B를 일으키고 B가 A를 일으킨다.

인과관계가 반드시 [dubious – discuss]일방적일 필요는 없다; 포식자와 먹이 관계에서, 포식자 수는 먹이 수에 영향을 미치지만, 먹이 수, 즉 먹이 공급도 포식자 수에 영향을 미친다.또 다른 잘 알려진 예는 자전거를 타는 사람들이 자전거를 타지 않는 사람들보다 체질량 지수가 낮다는 것이다.이것은 종종 자전거 타기가 신체 활동 수준을 증가시키고 따라서 체질량지수(BMI)를 감소시킨다고 가정함으로써 설명된다. 자전거 이용을 증가시키는 사람들에 대한 선행 연구 결과가 단면 연구보다 체질량지수(BMI)에 미치는 영향이 작기 때문에, 역 인과 관계도 있을 수 있다(즉, 체질량 지수가 낮은 사람들은 체질량지수(CMI)가 발생할 가능성이 더 높다).클리어)[23]

A와 B의 관계는 우연이다

주요 기사: 스플리어스한 관계

두 변수는 전혀 관련이 없지만 우연에 의해 상관됩니다.더 많은 것을 조사할수록, 관련이 없는 두 변수가 관련이 있는 것으로 보일 가능성이 높아집니다.예를 들어 다음과 같습니다.

  • 워싱턴 사령관의 대선 전 마지막 홈경기 결과는 1936년부터 2000년까지의 모든 대통령 선거 결과를 예측했다. 풋볼 경기의 결과는 대중 선거의 결과와 아무런 관련이 없음에도 불구하고 말이다.이러한 경향은 2004년(또는 2012년)에 마침내 깨졌다.
  • 독일 사회민주당의 국민투표 점유율을 서독의 조강 생산 규모와 연관짓는 미어셰이드법.
  • 대머리 러시아 지도자 번갈아: 대머리 러시아 국가 지도자는 거의 200년 동안 대머리 러시아 국가 지도자의 뒤를 이었고, 그 반대도 마찬가지였다.
  • 성경 코드, 아마도 토라 안에 숨겨진 역사적 사건을 예언하는 히브리어 단어: 엄청난 수의 문자 조합은 충분히 긴 텍스트에서 어떤 단어라도 통계적으로 볼 수 없게 만든다.

상관관계를 과학적 증거로 사용

과학적 근거의 대부분은 변수의[24] 상관관계에 기초한다. 즉, 변수들은 함께 발생하는 것으로 관측된다.과학자들은 상관관계가 반드시 인과관계를 의미하는 것은 아니라고 지적하는 데 신중하다.단순히 A가 B와 상관관계가 있다는 이유만으로 A가 B를 유발한다는 가정은 종종 정당한 형태의 논쟁으로 받아들여지지 않는다.

그러나 때로는 정반대의 오류를 범하기도 합니다. 즉, 상관관계를 완전히 무시하는 것입니다.이것은 많은 중요한 [24]과학적 증거를 무시하게 될 것이다.통제된 이중맹검 연구를 실행하는 것이 어렵거나 윤리적으로 불가능할 수 있기 때문에, 인과관계에 대한 증거를 제공하지 못함에도 불구하고 여러 다른 각도에서 상관 증거를 예측에 유용할 수 있다.예를 들어, 사회복지사들은 아동학대가 학업성취도와 어떻게 관련이 있는지를 아는 데 관심이 있을 수 있다.비록 아이들이 학대를 받거나 받지 않도록 무작위로 배정되는 실험을 하는 것은 비윤리적일 수 있지만, 연구원들은 비실험적인 상관 설계를 사용하여 기존 그룹을 볼 수 있다.만약 실제로 학대와 학업성취 사이에 부정적인 상관관계가 존재한다면, 비록 연구가 학대가 학업성취도를 [25]떨어뜨린다는 인과적 증거를 제공하는 데 실패했음에도 불구하고, 연구자들은 잠재적으로 학대를 경험하는 연구 밖의 아이들에 대한 예측을 하기 위해 통계적 상관관계에 대한 지식을 사용할 수 있다.제한된 사용 가능한 방법론과 무시 상관 오류의 조합은 과학적 발견에 대항하기 위해 때때로 사용되어 왔다.예를 들어, 담배 산업은 생물학자이자 통계학자인 로널드 [list 1]피셔와 마찬가지로 담배와 폐암 [26]사이의 연관성을 부정하기 위해 역사적으로 상관적 증거의 폐기에 의존해 왔다.

상관관계는 의학, 심리학, 사회학과 같은 분야에서 가치 있는 과학적 증거이다.상관관계는 먼저 실재하는 것으로 확인되어야 하며, 그 다음 가능한 모든 인과관계를 체계적으로 조사해야 한다.결국 상관관계만으로는 치료와 유익성, 위험요인과 질병, 사회적 또는 경제적 요인 및 다양한 결과의 인과관계에 대한 증거로 사용할 수 없다.그것은 가장 남용되는 증거 중 하나인데,[26] 왜냐하면 상관 관계의 예비적인 출현에 근거해 성급한 결론에 도달하는 것이 쉽고 심지어 유혹적이기 때문이다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Tufte 2006, 5페이지
  2. ^ Aldrich, John (1995). "Correlations Genuine and Spurious in Pearson and Yule". Statistical Science. 10 (4): 364–376. doi:10.1214/ss/1177009870. JSTOR 2246135.
  3. ^ "Sufficient". Wolfram. 2019-12-02. Retrieved 2019-12-03.
  4. ^ Rohlfing, Ingo; Schneider, Carsten Q. (2018). "A Unifying Framework for Causal Analysis in Set-Theoretic Multimethod Research" (PDF). Sociological Methods & Research. 47 (1): 37–63. doi:10.1177/0049124115626170. S2CID 124804330. Retrieved 29 February 2020.
  5. ^ Brady, Henry E. (7 July 2011). "Causation and Explanation in Social Science". The Oxford Handbook of Political Science. doi:10.1093/oxfordhb/9780199604456.013.0049. Retrieved 29 February 2020.
  6. ^ a b Beebee, Hitchcock & Menzies 2009
  7. ^ Morris, William Edward (2001). "David Hume". The Stanford Encyclopedia of Philosophy.
  8. ^ Lloyd, A.C. (1976). "The principle that the cause is greater than its effect". Phronesis. 21 (2): 146–156. doi:10.1163/156852876x00101. JSTOR 4181986.
  9. ^ Holland, Paul W. (1986). "Statistics and Causal Inference". Journal of the American Statistical Association. 81 (396): 945–960. doi:10.1080/01621459.1986.10478354.
  10. ^ Pearl, Judea (2000). Causality: Models, Reasoning, and Inference. Cambridge University Press. ISBN 9780521773621.
  11. ^ Naveed Sattar, David Preiss (13 Jun 2017). "Reverse Causality in Cardiovascular Epidemiological Research". Circulation. 135 (24): 2369–2372. doi:10.1161/CIRCULATIONAHA.117.028307. PMID 28606949.{{cite journal}}: CS1 maint: 작성자 파라미터 사용(링크)
  12. ^ Richard Doll, Richard Peto, Jillian Boreham, Isabelle Sutherland (24 Jun 2004). "Mortality in relation to smoking: 50 years' observations on male British doctors". The BMJ. 328 (7455): 1239–49. doi:10.1136/bmj.38142.554479.AE. PMC 437139. PMID 15213107.{{cite journal}}: CS1 maint: 작성자 파라미터 사용(링크)
  13. ^ Willingham, Emily. "Of lice and men: An itchy history". Scientific American Blog Network. Retrieved 2019-02-26.
  14. ^ a b Labossiere, M.C., LaBossiere 박사의 철학 페이지 2009-05-22 Wayback Machine 아카이브
  15. ^ Quinn, Graham E.; Shin, Chai H.; Maguire, Maureen G.; Stone, Richard A. (May 1999). "Myopia and ambient lighting at night". Nature. 399 (6732): 113–114. Bibcode:1999Natur.399..113Q. doi:10.1038/20094. PMID 10335839. S2CID 4419645.
  16. ^ CNN, 1999년 5월 13일야광은 근시로 이어질 수 있다
  17. ^ 오하이오 주립 대학 연구 뉴스, 2000년 3월 9일.야간 조명은 근시로 이어지지 않습니다.Wayback Machine에서 2006-09-01년 아카이브 완료
  18. ^ Zadnik, Karla; Jones, Lisa A.; Irvin, Brett C.; Kleinstein, Robert N.; Manny, Ruth E.; Shin, Julie A.; Mutti, Donald O. (2000). "Vision: Myopia and ambient night-time lighting". Nature. 404 (6774): 143–144. Bibcode:2000Natur.404..143Z. doi:10.1038/35004661. PMID 10724157. S2CID 4399332.
  19. ^ Gwiazda, J.; Ong, E.; Held, R.; Thorn, F. (2000). "Vision: Myopia and ambient night-time lighting". Nature. 404 (6774): 144. Bibcode:2000Natur.404..144G. doi:10.1038/35004663. PMID 10724158.
  20. ^ Stone, Richard A.; Maguire, Maureen G.; Quinn, Graham E. (2000). "Vision: reply: Myopia and ambient night-time lighting". Nature. 404 (6774): 144. Bibcode:2000Natur.404..144S. doi:10.1038/35004665. PMID 10724158.
  21. ^ Carducci, Bernardo J. (2009). The Psychology of Personality: Viewpoints, Research, and Applications (2nd ed.). John Wiley & Sons. ISBN 978-1-4051-3635-8.
  22. ^ 오니쉬, 딘콜레스테롤:좋은 점, 나쁜 점, 진실" [1] (2011년 6월 3일 회수)
  23. ^ Dons, E (2018). "Transport mode choice and body mass index: Cross-sectional and longitudinal evidence from a European-wide study" (PDF). Environment International. 119 (119): 109–116. doi:10.1016/j.envint.2018.06.023. hdl:10044/1/61061. PMID 29957352. S2CID 49607716.
  24. ^ a b Novella (18 November 2009). "Evidence in Medicine: Correlation and Causation". Science and Medicine. Science-Based Medicine.
  25. ^ Nielsen, Michael (2012-01-23). "If correlation doesn't imply causation, then what does? DDI". Michaelnielsen.org. Retrieved 2017-10-08.
  26. ^ a b "Evidence in Medicine: Correlation and Causation – Science-Based Medicine". Sciencebasedmedicine.org. 2009-11-18. Retrieved 2017-10-08.
  27. ^ Silver, Nate (2015), The Signal and the Noise: Why So Many Predictions Fail – But Some Don't (2nd ed.), New York: Penguin Books, pp. 254–255
  28. ^ Fisher, Ronald (July 6, 1957), "Dangers Of Cigarette-Smoking", The British Medical Journal, London: British Medical Association, 2 (5035): 43, doi:10.1136/bmj.2.5035.43, JSTOR 25383068, PMC 1961750
  29. ^ Fisher, Ronald (August 3, 1957), "Dangers Of Cigarette-Smoking", The British Medical Journal, London: British Medical Association, 2 (5039): 297–298, doi:10.1136/bmj.2.5039.297-b, JSTOR 25383439, PMC 1961712
  30. ^ Fisher, Ronald (1958), "Cigarettes, Cancer, and Statistics" (PDF), The Centennial Review of Arts & Science, East Lansing, Michigan: Michigan State University Press, 2: 151–166
  31. ^ Fisher, Ronald (1958), "The Nature of Probability" (PDF), The Centennial Review of Arts & Science, East Lansing, Michigan: Michigan State University Press, 2: 261–274
  32. ^ Fisher, Ronald (July 12, 1958), "Lung Cancer and Cigarettes" (PDF), Nature, London: Nature Publishing Group, 182 (4628): 108, Bibcode:1958Natur.182..108F, doi:10.1038/182108a0, PMID 13566198
  33. ^ Fisher, Ronald (August 30, 1958), "Cancer and Smoking" (PDF), Nature, London: Nature Publishing Group, 182 (4635): 596, Bibcode:1958Natur.182..596F, doi:10.1038/182596a0, PMID 13577916
번들 레퍼런스
  1. ^ [27][28][29][30][31][32][33]

참고 문헌