差异，设计和例子
相关意味着变量之间存在统计关联。因果关系意味着一个变量的变化会引起另一个变量的变化。
在研究中，你可能会遇到这样的说法:“相关性并不意味着因果关系。”相关性和因果关系是两个相关的概念，但理解它们的差异将有助于你批判性地思考评估来源解释科学研究。
有什么不同?
相关描述之间的关联变量类型:当一个变量改变时，另一个变量也随之改变。相关性是统计指标变量之间的关系。这些变量一起变化:它们共变。但这种共变并不一定是因为直接或间接的因果关系。
因果关系意味着一个变量的变化会导致另一个变量的变化;变量之间有因果关系。这两个变量是相互关联的，它们之间也有因果关系。
为什么相关性并不意味着因果关系?
为什么相关性不是因果关系，主要有两个原因。为了从研究中得出合理的科学结论，识别这些问题是很重要的。
的第三变量问题意味着a混杂变量影响两个变量，使它们看起来是因果相关的，但实际上不是。例如，冰淇淋销售和暴力犯罪率密切相关，但它们之间并没有因果关系。相反，第三个变量高温会分别影响这两个变量。没有考虑到第三个变量会导致研究偏见偷偷溜进你的工作。
的方向性问题当两个变量相互关联并且实际上可能存在因果关系，但不可能得出哪个变量导致了另一个变量的变化。例如，维生素D水平与抑郁症相关，但目前尚不清楚是低维生素D导致抑郁症，还是抑郁症导致维生素D摄入量减少。
你需要使用一个合适的研究设计区分相关关系和因果关系:
相关研究
在相关性研究设计中，你在不操纵变量的情况下收集数据。
你会发现体育活动水平与自尊正相关:低水平的体育活动与低水平的自尊相关，而高水平的体育活动与高水平的自尊相关。
相关性研究通常很重要外部效度，所以你可以概括将你的发现与现实生活相结合。但这些研究的可信度很低内部效度这使得很难将一个变量的变化与另一个变量的变化联系起来。
这些研究设计通常用于不道德的、成本太高或难以进行对照实验的情况。它们也被用来研究那些不被认为是因果关系的关系。
你会发现变量之间存在正相关关系:花更多时间玩暴力电子游戏的孩子有更高的攻击性行为。
第三变量问题
在没有对照实验的情况下，很难说是你感兴趣的变量导致了另一个变量的变化。外部变量任何第三个变量或省略变量除了你感兴趣的变量可能会影响你的结果。
有限的控制在相关研究中，意味着无关的或混杂的变量作为结果的替代解释。混淆变量会使相关关系看起来似乎是因果关系，但实际上并非如此。
但这不是你可以控制的东西，所以你只能得出主要变量之间的相关性的结论。
当两个变量相互关联时，你只能说一个变量的变化与另一个变量的变化同时发生。
均值回归
均值回归当在第一次测量中极高或极低的变量在第二次测量中接近平均值时观察到。特别是在有意关注最极端案例或事件的研究中，应始终将RTM视为观测到的变化的可能原因。
封面上的球员或球队如果通过出色的表现赢得了他们的地位。但运动上的成功是技术和运气的结合，即使是最好的运动员也不总是赢。
好运气很可能不会永远持续下去，非凡的成功也不可能永远持续下去。
换句话说，由于RTM的存在，一个伟大的表演之后更有可能是一个平庸的表演，而不是另一个伟大的表演，给人的印象是出现在封面上会带来坏运气。
虚假的相关性
一个伪相关是指两个变量通过隐藏的第三个变量或仅仅是巧合而显得相关。
的《鹳鸟理论在这些变量之间建立了一个简单的因果关系，来证明鹳能产下婴儿。这个讽刺性的研究说明了为什么你不能仅仅从相关研究中得出因果关系。
在现实中，这种相关性可以用第三个变量来解释(如天气模式、环境发展等)，这些变量导致了鹳和人类数量的增加，或者这种联系可能纯粹是巧合。
当你在一个有很多变量的大型数据集中分析相关性时，找到至少一个变量的机会统计上显著成绩很高。在这种情况下，你更有可能做出第一类误差．这意味着错误地得出结论，在变量之间有一个真正的相关性人口基于倾斜示例数据。
方向性问题
为了证明因果关系，你需要展示一个定向的关系没有其他解释。这种关系可以是单向的，即一个变量影响另一个变量，也可以是双向的，即两个变量相互影响。
相关性设计将无法区分这些可能性，但实验性设计可以测试每个可能的方向，一次一个。
- 体育活动可能会影响自尊
- 自尊可能会影响身体活动
- 身体活动和自尊都可能影响彼此
在相关研究中，由于研究人员控制有限，关系的方向性是不清楚的。你可能会冒险得出相反的因果关系，即关系的错误方向。
因果关系研究
变量之间的因果关系只有用控制实验．实验测试正式的预测，称为假设，每次在一个方向上建立因果关系。
实验中内部效度，因此可以合理地证明因果关系。
你可以在一个方向上建立方向性因为你操纵了一个独立变量在测量因变量的变化之前。
为了测试这种关系是否是双向的，你需要设计一个新的实验来评估自尊是否会影响身体活动水平。
在受控实验中，还可以通过使用随机分配和控制组来消除第三变量的影响。
随机分配帮助在组间平均分配参与者的特征，使他们相似和可比性。一个对照组让你比较实验操作与类似的治疗或没有治疗(或安慰剂，以控制安慰剂效应）.
对照组接受不相关的、可比较的干预，而实验组接受体育活动干预。通过保持组间所有变量不变，除了自变量治疗，组间的任何差异都可以归因于你的干预。
有关相关性和因果关系的常见问题
- 相关性和因果关系的区别是什么?
-
相关描述变量之间的关联:当一个变量发生变化时，另一个变量也会发生变化。相关性是变量之间关系的统计指标。
因果关系意味着一个变量的变化会导致另一个变量的变化;变量之间有因果关系。这两个变量是相互关联的，它们之间也有因果关系。
引用这篇Scribbr文章
如果你想引用这个来源，你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮，自动添加到我们的免费引用生成器引用。
班达里，P.(2022年12月05日)。差异，设计和例子。Scribbr。检索于2022年12月18日，来自//www.charpingshvac.com/methodology/correlation-vs-causation/
