Correlação espúria
Nas estatísticas, uma correlação espúria, ou espúria, refere-se a uma conexão entre duas variáveis que parece causal, mas não é. Relacionamentos espúrios geralmente têm a aparência de uma variável que afeta outra. Essa correlação espúria geralmente é causada por um terceiro fator que não é aparente no momento do exame, às vezes chamado de fator de confusão.
Principais Takeaways
- Correlação espúria, ou espúria, é quando dois fatores parecem casualmente relacionados, mas não são.
- A aparência de um relacionamento causal é geralmente devida a um movimento semelhante em um gráfico que acaba por ser coincidente ou causado por um terceiro fator "confuso".
- A correlação espúria pode frequentemente ser causada por pequenos tamanhos de amostra ou pontos finais arbitrários.
Como funciona a correlação espúria
Quando duas variáveis aleatórias se acompanham de perto em um gráfico, é fácil suspeitar de correlação ou de uma relação entre os dois fatores, em que uma mudança afeta a outra. Deixando de lado a "causalidade", outro tópico, essa observação pode levar o leitor do gráfico a acreditar que o movimento da variável A está vinculado ao movimento da variável B ou vice-versa. mas às vezes, após um exame estatístico mais detalhado, os movimentos alinhados são coincidentes ou causados por um terceiro fator que afeta os dois primeiros. Esta é uma correlação espúria. A pesquisa feita com amostras pequenas ou pontos finais arbitrários é uma particularidade suscetível à falsidade.
Exemplo de correlações espúrias
Não é muito desafiador descobrir correlações interessantes. Muitos acabarão sendo espúrios, no entanto. Para as espécies masculinas em Wall Street, duas correlações espúrias populares envolvem mulheres e esportes. Originada na década de 1920 é a teoria do comprimento da saia, que sustenta que o comprimento da saia e a direção do mercado de ações estão correlacionadas. Se o comprimento da saia for longo, isso significa que o mercado de ações está caindo; se eles são curtos, o mercado está subindo. Por volta do final de janeiro, fala-se do chamado indicador do Super Bowl, que sugere que uma vitória da equipe da AFC provavelmente significa que o mercado de ações cairá no próximo ano, enquanto uma vitória da equipe da NFC pressagia um aumento no mercado. Desde 1966, o indicador tem uma taxa de precisão de 80%. É uma conversa divertida, mas provavelmente não é algo que um consultor financeiro sério recomendaria como estratégia de investimento para os clientes.
Aqui estão mais alguns exemplos de correlações espúrias comuns:
- Afogamentos aumentam quando as vendas de sorvete aumentam. Pode parecer que o aumento nas vendas de sorvetes cause mais afogamentos, mas, na realidade, o aumento do calor pode fazer com que mais pessoas nadem, além de comprar mais sorvetes.
- A taxa de homicídios nos EUA de 2006 a 2011 caiu na mesma proporção que o uso do Microsoft Internet Explorer.
- Os executivos que dizem por favor e agradecem com mais frequência desfrutam de melhor desempenho de compartilhamento.
- As pessoas que usam equipamento de equipe do Oakland Raiders têm maior probabilidade de cometer crimes.
Como identificar correlações espúrias
Estatísticos e outros cientistas que analisam dados devem estar sempre atentos a relacionamentos espúrios. Existem vários métodos que eles usam, incluindo:
- Garantir uma amostra representativa adequada.
- Obtenção de um tamanho de amostra adequado.
- Desconfie de pontos finais arbitrários.
- Controlando o maior número possível de variáveis externas.
- Usando uma hipótese nula e verificando um valor p forte.