Johdatus tilastotieteeseen

Oppitunti:	1 Tilasto ja sitä tutkiva tiede 2 Tilastotieteen peruskäsitteitä 3 Tunnusluvut 4 Vaihtelu ja riippuvuus
Aihe:	Oppitunnin etusivulle 4.1 Muuttujien tarkastelu pistekuviossa 4.2 Riippuvuus 4.3 Korrelaatio 4.3.1 Pearsonin korrelaatiokerroin 4.3.2 Korrelaatiokerroin ja lineaarinen riippuvuus 4.3.3 Syy-seuraussuhteesta 4.3.4 Spearmanin järjestyskorrelaatiokerroin 4.4 Ristiintaulukoinnista 4.5 Regressio 4.5.1 Kahden muuttujan regressioanalyysi 4.6 Riippuvuuden mitan valinta riippuu mitta-asteikosta

4.3.3 Syy-seuraussuhteesta

Syy-seuraussuhteella eli kausaliteetilla kuvataan kahden tapahtuman suhdetta: syy tapahtuu ennen seurausta ja syy aiheuttaa seurauksen. Selkeimmässä tilanteessa seuraus havaitaan vain, jos syy on sitä edeltänyt.

Kahden muuttujan syy-seuraussuhteessa syyksi katsotun muuttujan arvon muutos aiheuttaa muutoksen toisen muuttujan arvossa (seuraus). Syy-seuraussuhteen luotettava osoittaminen vaatii muun muassa havaintoja muutoksista ajassa ja muiden muuttujien arvoista. 

Lääketieteessä tehdään usein kokeita. Esimerkiksi lääkkeen vaikutusta verenpaineeseen voidaan arvioida seuraavasti: Sadan koehenkilön aineistossa 50 henkilölle annetaan lääkettä ja muille ei. Kaikkien verenpaine mitataan jonkin ajan kuluttua. Lääkkeen saaneiden ryhmää verrataan muihin koehenkilöihin. Verenpaineen muutoksen keskiarvot näissä ryhmissä ehkä riittävät syy-seurasuhteen osoittamiseen.

Regressiomallin avulla saadaan tarkempi kuva muiden muuttujien, kuten iän ja sukupuolen vaikutuksista lääkkeen tehoon.

Voimakaskaan korrelaatio ei riitä todistamaan syy-seuraussuhteen olemassa oloa, katso esimerkki 1.

Esimerkit