Korelasyon vs Nedensellik: Veri Analizi Yaparken Hata Yapmamak

Veri analizi yaparken sık yapılan hata: iki değişken birlikte hareket ediyorsa biri diğerine neden olduğunu düşünmek. Oysa korelasyon (ilişki) ile nedensellik (neden-sonuç) birbirinden çok farklıdır.

Korelasyon, iki değişkenin birlikte nasıl değiştiğini ölçer. Biri arttığında diğeri de artıyorsa pozitif korelasyon vardır. Hesaplama için Pearson korelasyon katsayısı kullanılır; değer -1 ile 1 arasında değişir.

Nedensellik, bir değişkenin diğerini doğrudan etkilediği anlamına gelir. A değişmezse B değişmez demektir. Bunu kanıtlamak korelasyondan çok daha zordur.

Yaz aylarında hem dondurma satışı hem de boğulma olayları artar. İstatistiksel olarak güçlü pozitif korelasyon vardır. Ama dondurma satışı boğulmalara neden olmaz. Asıl neden: ikisi de sıcak havalarda artar.

Bu veriyi inceleyelim:

1import pandas as pd
2import numpy as np
3from scipy.stats import pearsonr
4
5# Örnek veri: reklam harcaması (bin TL) ve satış (bin TL)
6reklam = [10, 20, 30, 40, 50]
7satis = [15, 25, 35, 45, 55]
8
9# Korelasyon hesapla
10korelasyon, p_degeri = pearsonr(reklam, satis)
11print(f"Korelasyon: {korelasyon:.3f}")
12print(f"P-değeri: {p_degeri:.4f}")

Çıktı:

1Korelasyon: 1.000
2P-değeri: 0.0000

Mükemmel pozitif korelasyon var (1.0). Ama bu, reklam harcaması satışa neden olduğunu kanıtlamaz. Belki de satış arttığı için reklama daha fazla bütçe ayrıldı (ters yön) ya da üçüncü bir faktör (pazarın büyümesi) her ikisini de etkiledi.

1. Zaman sırası: Neden değişkeni, sonuç değişkeninden önce gelmelidir.
2. Deneysel tasarım: Kontrol grubu ile karşılaştırma yapılmalıdır.
3. İstatistiksel kontrol: Diğer etkili faktörler sabit tutulmalıdır.
4. Mekanizma: Neden-sonuç ilişkisinin mantıklı bir açıklaması olmalıdır.

Veri bulduğunda hemen "A, B'ye neden olur" deme. Önce korelasyon katsayısını hesapla, sonra nedenselliğin olup olmadığını sorgulamaya başla. Çoğu zaman ilişki vardır ama sebebi başka bir değişkende gizlidir.