В статистике ложная корреляция относится к корреляции между двумя переменными, которая возникает чисто случайно, при этом одна переменная фактически не вызывает появление другой.
Этот тип корреляции опасен, потому что иногда он может заставить людей думать, что одна переменная вызывает другую, тогда как на самом деле корреляция существует чисто случайно.
Оказывается, такой тип корреляции между переменными происходит постоянно в реальной жизни.
В следующих примерах используются пять различных примеров ложной корреляции из реальной жизни.
Пример 1: Степени магистра и кассовые сборы
Если мы соберем данные об общем количестве степеней магистра, выдаваемых университетами каждый год, и общих кассовых сборах, полученных за год, мы обнаружим, что эти две переменные сильно коррелированы.
Это не означает, что выдача большего количества степеней магистра приводит к ежегодному увеличению кассовых сборов.
Более вероятное объяснение состоит в том, что население мира увеличивается с каждым годом, а это означает, что каждый год выдается больше степеней магистра, а количество людей, посещающих кино каждый год, увеличивается примерно в равной степени.
Корреляция между двумя переменными является ложной.
Пример 2: Заболеваемость корью и уровень брачности
Если мы соберем данные об общем числе случаев кори в США каждый год и о количестве брачностей каждый год, мы обнаружим, что эти две переменные сильно коррелированы.
Это не означает, что снижение заболеваемости корью каким-то образом приводит к снижению числа браков. Две переменные независимы.
Современная медицина просто снижает заболеваемость корью, и с каждым годом все меньше людей вступают в брак по разным причинам.
Корреляция между двумя переменными является ложной.
Пример 3: Выпускники средних школ и потребление пончиков
Если мы соберем данные об общем количестве выпускников средних школ и общем потреблении пончиков в США каждый год, мы обнаружим, что эти две переменные сильно коррелированы.
Это не означает, что увеличение числа выпускников средних школ приводит к увеличению потребления пончиков в Соединенных Штатах.
Более вероятное объяснение состоит в том, что население США со временем увеличивается, а это означает, что количество людей, получающих высшее образование, и общее количество потребляемых пончиков увеличивается по мере роста населения.
Это ложная корреляция.
Пример 4: Продажи видеоигр и производство ядерной энергии
Если мы соберем данные об общем объеме продаж видеоигр каждый год по всему миру и общем объеме энергии, производимой атомными электростанциями, мы обнаружим, что эти две переменные тесно связаны.
Это не означает, что рост продаж видеоигр каким-то образом ведет к увеличению производства ядерной энергии.
Вместо этого строится все больше атомных электростанций и продается больше видеоигр, поскольку население мира увеличивается с каждым годом.
Хотя обе переменные неуклонно увеличиваются с течением времени, одна не является причиной другой. Корреляция между ними ложная.
Пример 5: Доходы от игровых автоматов по сравнению с работами по добыче угля
Если мы соберем данные об общем доходе, полученном от игровых автоматов в США, и общем количестве рабочих мест в угледобыче в США, мы обнаружим, что эти две переменные сильно коррелированы.
Это не означает, что одна переменная вызывает уменьшение другой.
Вместо этого и аркады, и добыча угля с годами стали менее распространенными, что объясняет, почему обе переменные уменьшались примерно с одинаковой скоростью.
Корреляция между двумя переменными является ложной.
Дополнительные ресурсы
В следующих руководствах представлены реальные примеры других статистических концепций:
Примеры использования вероятности в реальной жизни
Примеры использования корреляции в реальной жизни
Примеры использования среднего, медианы и моды в реальной жизни