Asociația nu trebuie confundată cu cauzalitatea; dacă X provoacă Y , atunci cele două sunt asociate (dependente). Cu toate acestea, pot apărea asocieri între variabilele în prezența (adică, X cauzează Y) și absența (adică, au o cauză comună) a unei relații cauzale, așa cum am văzut în contextul rețelelor bayesiene1.
Ce face o asociere cauzală?
Forța asocierii – Cu cât asocierea sau magnitudinea riscului este mai puternică între un factor de risc și rezultat, cu atât este mai probabil ca relația să fie cauzală. Consecvență – Aceleași constatări au fost observate în rândul diferitelor populații, folosind modele de studiu diferite și în momente diferite.
Care sunt liniile directoare pentru a aprecia dacă o asociere este cauzală?
Cele mai importante dintre aceste reguli sunt „force” (o asociere puternică este mai probabil să fie cauzală decât una slabă), „coerența” (se observă o asociere în studii diferite, în diferite circumstanțe, momente și locuri), „gradient biologic” (adică, doză-răspuns – efectul ar trebui să tinde să fie mai mare …
Asocierile pot fi atât cauzale, cât și non-cauzale?
Cuvântul, „asociat” este adecvat deoarece include atât relații cauzale, cât și non-cauzale. Cu toate acestea, „risc crescut” poate fi interpretat ca o „cauză”, deoarece dacă A crește riscul de B, implicația este că A cauzează B.
Care este diferența dintreun model asociativ și unul cauzal?
În timp ce sistemul asociativ leagă pur și simplu stimulii A și B, un model cauzal propozițional reprezintă modul în care A și B sunt relaționați unul cu celăl alt-de exemplu, ca cauză anterioară și efect următor (Pearl & Russell, 2001).
