Kausalsammenheng

Med statistiske verktøy kan vi estimere sammenhenger mellom variabler. For eksempel kan en regresjonsanalyse brukes for å si noe om forskjellen mellom to grupper, vi kan se på dette som en mulig sammenheng mellom gruppe og en avhengig variabel. På en lignende måte kan en inndeling i flere grupper ha en sammenheng med en avhengig variabel, noe som kan måles ved hjelp av en ANOVA (også en regresjonsmodell!). Ved bruk av en regresjonsmodell kan vi måle sammenhengen mellom en eller flere uavhengige variabler og en avhengig variabel. Statistikken er full av modeller og metoder som måler sammenhenger.

Men hvordan kan vi tolke sammenhenger? I vitenskaphistorien finnes flere eksempler på hvordan man argumenterer for at vi ikke kan si noe om årsak og virkning basert på en statistisk sammenheng. «Correlation does not imply causation» er en vanlig frase som brukes for å avfeie sammenhenger som betydningsløse. Vi kan finne støtte for en slik forståelse, hver morgen (i hvert fall på en hverdag, og i hvert fall om høsten) når vekkerklokken din ringer står du opp og lager en kopp kaffe. Når du setter deg ned for å drikke kaffen stiger solen over horisonten. Men, det at du drikker kaffen får ikke solen til å gå opp. Her finnes ingen årsak-virkning-sammenheng.