Skojarzenie nie powinno być mylone z przyczynowością; jeśli X powoduje Y , to te dwa są powiązane (zależne). Jednak powiązania mogą powstać między zmiennymi w obecności (tj. X powoduje Y) i braku (tj. mają wspólną przyczynę) związku przyczynowego, jak widzieliśmy w kontekście sieci bayesowskich1.
Co sprawia, że powiązanie jest przyczynowe?
Siła powiązania - Im silniejszy związek lub wielkość ryzyka między czynnikiem ryzyka a wynikiem, tym bardziej prawdopodobne jest, że związek jest uważany za przyczynowy. Spójność - te same wyniki zaobserwowano w różnych populacjach, przy użyciu różnych projektów badań i w różnym czasie.
Jakie są wytyczne dotyczące oceny, czy powiązanie jest przyczynowe?
Najważniejsze z tych wytycznych to 'siła' (silne skojarzenie jest bardziej prawdopodobne niż słabe), 'spójność' (powiązanie jest obserwowane w różne badania, w różnych okolicznościach, czasach i miejscach), „gradient biologiczny” (tj. odpowiedź na dawkę – efekt powinien być większy…
Czy powiązania mogą być zarówno przyczynowe, jak i nieprzyczynowe?
Słowo 'skojarzony' jest odpowiednie, ponieważ obejmuje zarówno związki przyczynowe, jak i nieprzyczynowe. Jednak „podwyższone ryzyko” może być interpretowane jako „przyczyna”, ponieważ jeśli A zwiększa ryzyko B, oznacza to, że A powoduje B.
Jaka jest różnica międzymodel asocjacyjny i przyczynowy?
Podczas gdy system asocjacyjny po prostu łączy bodziec A i B, model przyczynowy zdaniowy przedstawia jak A i B są ze sobą powiązane-na przykład jako poprzedzająca przyczynę i następujący skutek (Pearl i Russell, 2001).
