Ceny margaryny i rozwody w Maine, czyli cum hoc ergo propter hoc: #błędy_poznawcze_43

Obrońcy tradycyjnych wartości rodzinnych i konserwatywnego modelu rodziny, w którym rozwód traktowany jest jako coś niedopuszczalnego mogą spać spokojnie. Od 2000 do 2009 roku w amerykańskim stanie Maine stopniowo i bardzo regularnie spada liczba rozwodów. W 2000 było to 5 rozwodów na 1000 mieszkańców. W 2009 4,1 rozwodu na 1000 mieszkańców.

Co było przyczyną takiego wzrostu trwałości związków małżeńskich na przestrzeni 9 lat? Najwyraźniej konsumpcja margaryny. Im mniej margaryny się konsumuje w tym konkretnym stanie, tym mniej ludzi się rozwodzi. Dowód?

Taki związek pomiędzy dwiema zmiennymi liniowymi może być totalnie silny. Ale też totalnie przypadkowy. Bo prawdopodobieństwo jest cudowne.

Ponieważ jednak mózg musi widzieć CO JEST Z CZYM ZWIĄZANE, to pada często ofiarą (a my z nim) błędu o swojsko brzmiącym tytule – cum hoc ergo propter hoc.

Ten błąd poznawczy, który skrywa się pod łacińską nazwą to bliski krewny post hoc ergo propter hoc. Czyli błędu, o którym pisałem już tutaj.

Wspólnie tworzą parę, która pozwala nam wyciągać czasem mądre, ale najczęściej totalnie głupie wnioski na temat związków przyczynowo-skutkowych.

W post hoc ergo propter hoc wnioskujemy (często błędnie), że skoro A wydarzyło się przed B, to A miało wpływ na B. Na przykład moja przyjaciółka wiele lat temu zachorowała (B), po tym jak zaszczepiła się na grypę (A). Sądzi, że to szczepionka na grypę wywołała grypę. Dlaczego może się mylić?

Po pierwsze – najprawdopodobniej nie zachorowała na grypę. Tylko na inną infekcję wirusową lub nawet bakteryjną.

Po drugie (i związane z pierwszym) jej infekcja mogła być wywołana przez 3 zmienną. Przez nią niedostrzeżoną. Bo o wiele prościej jest dostrzec pierwszy wniosek niż starać się docierać do obiektywnej prawdy.

W błędzie „post hoc ergo propter hoc”, który już poznaliśmy: interpretuje się przyczynowość dwóch wydarzeń z uwagi na następstwo w czasie.

W błędzie „cum hoc ergo propter hoc”, w którym związek dwóch zmiennych interpretuje się jako przyczynowość bez względu na następstwo czasowe (dwa wydarzenia mogą występować równocześnie lub czas ich występowania nie ma większego znaczenia). Tak jak na przykład w przypadku liczby rozwodów i spożycia margaryny.

Może się więcej zdarzyć tak, że współwystępować ze sobą będą dwa zupełnie absurdalne zjawiska, na przykład liczba utonięć przez wpadnięcie do basenu z liczbą filmów, w których zagrał Nicolas Cage (Vigen, 2015). Notabene, związek jest prawdziwy. Jest to oczywiście błędne wyciąganie wniosków przyczynowych z korelacji dwóch zmiennych (Woods, Walton, 1977).

Dlaczego to sobie robimy?

Człowiek to istota poszukująca sensu. I te poszukiwania należy uznać za chwalebne. Są jednak bardzo często niezbyt dokładne. Często też kierujemy się drogą na skróty. Zauważamy, że jakieś dwa zjawiska korelują albo występują po sobie i już mamy gotowy wniosek, że są ze sobą silnie powiązane.

Tymczasem powiązania te mogą być przypadkowe. Wpływ może mieć też 3 zmienna, o której zapominamy. Czasem też oczywiście współwystępowanie zjawisk może oznaczać, że są ze sobą powiązane. I wtedy korelacja będzie też oznaczać kauzację.

Warto uważać na ten błąd, szczególnie wtedy, gdy ktoś nami manipuluje. na przykład politycy lub współpracownicy.

Wyobraź sobie taką sytuację:

Prezentując efektowny wykres na zebraniu zarządu spółki Seb-rur z siedzibą w Męcikale, Seba dowodzi, że od kilkuset lat średnia temperatura miała tendencję do stałego wzrostu, podczas gdy liczba piratów malała. Wynika stąd, że piraci zapewniali niezbędne chłodzenie klimatu (a wszelkie dyskusje o znaczeniu emisji CO₂ są bezsensowne).

Albo inną sytuację:

Grzegorz – polityczny oponent Partii Zaangażowanych Bardzo przypomina, że w ciągu ostatnich dwudziestu lat Partia Zaangażowanych Bardzo dwa razy wygrała wybory w gminie Chrząszczewice i w obu wypadkach doszło tam potem do katastrofalnej powodzi.

Szukanie związków przyczynowo-skutkowych to działanie szlachetne. Uzbrój się przy nim w szlachetne narzędzia myślenia krytycznego. Ewentualnie regresji statystycznej, która pomaga badać związki pomiędzy więcej niż dwiema zmiennymi.

Photo by Bedbible