Cauzalitatea în știința datelor – Cazul negativ: „schelete” identice

Acum trebuie să vă rog să vă uitați în memoria voastră până la Capitolul 10 al volumului anterior al acestei serii de cărți. Capitolul respectiv, intitulat „Interpretarea datelor”, trata asocierea versus cauzalitatea, factorii de confuzie, experimentele controlate versus studiile observaționale și subiecte conexe. Întrebarea cheie pe care am abordat-o a fost cum să interpretăm o asociere statistică între variabile. Dacă două variabile sunt corelate, atunci sunt corelate… dar cât de siguri putem fi că există o relație cauzală între ele – ceea ce ne interesează de obicei?

Figura 18.1: Diagrame cauzale, fiecare exprimând o ipoteză despre cauzalitatea dintre variabile.

Instrumentul pe care l-am folosit pentru această analiză a fost diagrama cauzală, ale cărei exemple apar în Figura 18.1. Fiecare bulă reprezintă o variabilă. Săgețile care indică de la o bulă la alta afirmă o relație cauzală între cele două: că valoarea uneia nu este doar asociată cu, ci este parțial responsabilă pentru valoarea celei indicate.

Dacă vă amintiți acel exemplu particular, a existat un studiu observațional care sugerează că mâncatul la grătar poate crește riscul de diferite tipuri de cancer. Presupunând că a fost descoperită o asociere între cele două variabile, cele două fețe ale Figurii 18.1 reprezintă teorii concurente cu privire la motivele acestei asocieri.

Întrebarea pe care o vom pune în acest capitol este următoarea: având în vedere un set de date, există vreo modalitate de a spune care dintre mai multe teorii cauzale concurente este adevărată? Cu alte cuvinte, dacă avem mai multe ipoteze care oferă explicații alternative pentru modul în care au apărut modelele din setul de date, pot fi folosite datele în sine pentru a le judeca?

Iar răspunsul este: uneori. Să învățăm când se poate și când nu.

18.1 Cazul negativ: „schelete” identice

Înainte să vă entuziasmez prea tare, permiteți-mi să spun de la bun început că există momente când datele dau greș în încercarea noastră de a identifica acest lucru. Acest lucru se întâmplă atunci când scheletele celor două modele cauzale sunt identice.

Scheletul unei diagrame cauzale este pur și simplu diagrama pe care o obțineți dacă eliminați vârfurile de săgeți. Luați în considerare cele două modele concurente din Figura 18.2. Un studiu observațional realizat în urmă cu câțiva ani a descoperit o asociere între fumatul țigărilor și depresia clinică și a afirmat că, prin urmare, unul dintre numeroasele efecte negative ale fumatului (pe lângă bolile de inimă, cancerul pulmonar și alte probleme) era unul emoțional. Acesta reprezintă modelul cauzal din partea stângă a diagramei. Dar unii au obiectat și au spus: „Stați puțin… nu ar putea fi, în schimb, cazul în care persoanele care trec prin depresie caută modalități de a-i face față și că substanțe precum nicotina ar putea fi una dintre aceste modalități?” Această ipoteză privind depresia ca fiind cauza fumatului se află în partea dreaptă.

Figura 18.2: Fumatul provoacă depresie… sau depresia duce la fumat?

Din păcate, nu există nicio modalitate de a rezolva acest lucru doar analizând datele. Acest lucru se datorează faptului că, dacă eliminați vârful (unei) săgeți, obțineți același schelet (Figura 18.3). Rețineți că „același schelet” înseamnă doar că aceleași bule sunt conectate la aceleași bule. Nu are nicio legătură cu locul în care sunt poziționate acele bule pe pagină.

Figura 18.3: Cazul negativ: ambele diagrame cauzale au același schelet.

În acest caz, singura modalitate de a rezolva care dintre modelele cauzale este cel adevărat este de a investiga fenomenul pe teren. Trebuie să studiem mecanismele – fizice și sociale – prin care fiecare dintre ele ar putea fi cauzată în mod plauzibil de celălalt. Cercetătorii medicali ar putea explora efectele nicotinei asupra creierului uman și ar putea determina dacă există un mecanism prin care serotonina este redusă. Psihologii sociali ar putea realiza sondaje și grupuri de discuții și ar putea afla cât de des fumează victimele depresiei și de ce. Dar datele în sine nu vor da un verdict.

Sursa: Stephen Davies, The Crystal Ball – Instruction Manual, Vol. 2: Introduction to Data Science, v. 1.1. Copyright © 2020 Stephen Davies. Licența CC BY-SA 4.0. Traducere și adaptare: Nicolae Sfetcu. © 2026 MultiMedia Publishing, Introducere în Știința Datelor, Volumul 2