Correlatie en causaliteit beschrijven allebei een verband tussen twee variabelen, maar ze zijn niet hetzelfde. Correlatie betekent dat twee zaken samen bewegen: als de een verandert, verandert de ander mee. Causaliteit gaat een stap verder en betekent dat de ene variabele de andere daadwerkelijk veroorzaakt. Een correlatie kun je meten, maar ze bewijst nooit op zichzelf een oorzaak. Twee variabelen kunnen samenhangen door toeval, door een verborgen derde factor of doordat het verband precies andersom loopt. De kernregel luidt daarom: correlatie is geen causaliteit.
In marktonderzoek is dit onderscheid geen academische bijzaak. Wie een correlatie verwart met een oorzaak, trekt verkeerde conclusies en neemt beslissingen die geld kosten. In dit artikel lees je wat correlatie en causaliteit precies zijn, waarom het verschil ertoe doet, hoe je een schijnverband herkent en hoe je een echt oorzakelijk verband aantoont.
Wat is correlatie?
Correlatie is de mate waarin twee variabelen samen veranderen. Wanneer de ene variabele stijgt en de andere stijgt mee, spreken we van een positieve correlatie. Bewegen ze in tegengestelde richting, dan is er sprake van een negatieve correlatie. De sterkte van dat verband wordt uitgedrukt in de correlatiecoëfficiënt, een getal tussen -1 en +1. Daarmee hoort correlatieanalyse bij de meest gebruikte statistische technieken in marktonderzoek.
Een coëfficiënt van +1 betekent een perfect positief verband, -1 een perfect negatief verband en 0 geen lineair verband. Hoe dichter het getal bij nul ligt, hoe zwakker de samenhang. Belangrijk: de correlatiecoëfficiënt zegt iets over de sterkte en richting van een verband, maar niets over de oorzaak ervan.
Wat is causaliteit?
Causaliteit, ook wel een causaal verband of oorzakelijk verband genoemd, betekent dat een verandering in de ene variabele direct een verandering in de andere teweegbrengt. De oorzaak gaat vooraf aan het gevolg, en als je de oorzaak wegneemt, verdwijnt of vermindert het effect. Waar correlatie beschrijft dat twee zaken samen optreden, verklaart causaliteit waaróm.
Causaliteit is moeilijker vast te stellen dan correlatie. Een verband meten kan met kwantitatief onderzoek op bestaande data, maar aantonen dat het ene het andere veroorzaakt, vraagt om een gecontroleerde opzet waarin andere verklaringen zijn uitgesloten.
Correlatie en causaliteit: het verschil in een oogopslag
De onderstaande tabel zet de belangrijkste verschillen tussen correlatie en causaliteit naast elkaar.
| Kenmerk | Correlatie | Causaliteit |
|---|---|---|
| Betekenis | Twee variabelen bewegen samen | De ene variabele veroorzaakt de andere |
| Wat het aantoont | Samenhang | Oorzaak en gevolg |
| Richting | Ongericht (A en B hangen samen) | Gericht (A leidt tot B) |
| Hoe vast te stellen | Statistische analyse van bestaande data | Experiment of gecontroleerd onderzoek |
| Bewijskracht | Signaal, geen bewijs | Verklarend bewijs |
| Voorbeeld | IJsverkoop en verdrinkingen stijgen samen | Warm weer verhoogt de ijsverkoop |
Waarom correlatie geen causaliteit is
Twee variabelen kunnen om verschillende redenen samenhangen zonder dat de een de ander veroorzaakt. Er zijn vier klassieke verklaringen voor een correlatie zonder oorzakelijk verband.
1. Een verborgen derde variabele (confounder)
Vaak wordt een correlatie veroorzaakt door een derde factor die op beide variabelen inwerkt. Het klassieke voorbeeld: de ijsverkoop en het aantal verdrinkingen stijgen tegelijk. IJs eten verdrinkt niemand. De verborgen oorzaak is het warme weer, dat zowel de ijsverkoop als het aantal zwemmers omhoog jaagt. Zo’n verband heet een schijnverband.
2. Omgekeerde causaliteit
Soms bestaat er wel een oorzaak, maar loopt die precies andersom dan gedacht. Bedrijven die veel adverteren, hebben vaak een hoge omzet. Maakt adverteren rijk, of kunnen rijke bedrijven zich simpelweg meer advertenties veroorloven? Zonder nader onderzoek is de richting van het verband niet vast te stellen.
3. Toeval
In grote datasets duiken vanzelf verbanden op die nergens op slaan. Deze zogenoemde spurieuze correlaties zijn statistisch aanwezig maar volledig betekenisloos, zoals het verband tussen het aantal films met een bepaalde acteur en het aantal echtscheidingen in een regio. Meer data betekent meer toevallige samenhang.
4. Wederkerige beïnvloeding
Twee variabelen kunnen elkaar over en weer versterken, waardoor geen van beide zuiver oorzaak of gevolg is. Motivatie en prestatie beïnvloeden elkaar bijvoorbeeld in beide richtingen. Het verband is dan circulair in plaats van eenrichtingsverkeer.
Hoe toon je een causaal verband aan?
Omdat correlatie geen oorzaak bewijst, hebben onderzoekers criteria nodig om causaliteit aannemelijk te maken. Drie voorwaarden gelden als minimum voor een oorzakelijk verband.
De eerste voorwaarde is samenhang: er moet een aantoonbare correlatie tussen oorzaak en gevolg bestaan. De tweede is volgtijdelijkheid: de oorzaak moet in de tijd vooraf gaan aan het gevolg. De derde en lastigste is het uitsluiten van alternatieve verklaringen: andere factoren die het verband kunnen verklaren, moeten zijn weggenomen of gecontroleerd.
De sterkste manier om aan die derde voorwaarde te voldoen is een experiment. In een gecontroleerd experiment, zoals een A/B-test of een gerandomiseerde studie, wordt één variabele bewust gemanipuleerd terwijl de rest gelijk blijft. Doordat deelnemers willekeurig aan de groepen worden toegewezen, worden storende factoren gelijk verdeeld en kan een gevonden effect met vertrouwen aan de oorzaak worden toegeschreven. Bij observationeel onderzoek, waarin niets wordt gemanipuleerd, blijft causaliteit altijd onzekerder.
Correlatie en causaliteit in marktonderzoek
In marktonderzoek is dit onderscheid dagelijkse praktijk. Stel dat een analyse laat zien dat klanten die de nieuwsbrief lezen meer besteden. Verleidelijk is de conclusie: de nieuwsbrief verhoogt de omzet. Maar het kan net zo goed zijn dat loyale, koopgrage klanten zich vaker inschrijven voor de nieuwsbrief. De correlatie is echt, de veronderstelde oorzaak niet bewezen. Wie op basis daarvan fors investeert in de nieuwsbrief, kan van een koude kermis thuiskomen.
Een zuivere conclusie vraagt om de juiste opzet. Door een A/B-test uit te voeren, waarbij een willekeurige groep wel en een vergelijkbare groep geen nieuwsbrief ontvangt, wordt het effect van andere factoren losgekoppeld. Pas dan is een uitspraak over oorzaak en gevolg verantwoord. Goed marktonderzoek maakt daarom altijd expliciet of een bevinding een verband of een oorzaak beschrijft, en welke onderzoeksopzet die claim onderbouwt.
Veelgemaakte fouten
De grootste valkuil is de sprong van correlatie naar conclusie: uit een gevonden samenhang meteen een oorzaak afleiden. Andere veelgemaakte fouten zijn het negeren van verborgen variabelen, het over het hoofd zien van omgekeerde causaliteit en het jagen op verbanden in grote databestanden zonder vooraf een hypothese. Elk van deze fouten ondermijnt de betrouwbaarheid en validiteit van je conclusies en leidt tot beleid dat op drijfzand rust. De remedie is steeds dezelfde: vraag je af of het verband ook anders verklaard kan worden voordat je handelt.
Veelgestelde vragen over correlatie en causaliteit
Wat is het verschil tussen correlatie en causaliteit?
Correlatie betekent dat twee variabelen samen bewegen; causaliteit betekent dat de ene variabele de andere veroorzaakt. Correlatie toont samenhang aan, causaliteit toont oorzaak en gevolg aan. Elke causaliteit gaat gepaard met correlatie, maar niet elke correlatie wijst op causaliteit.
Waarom is correlatie geen causaliteit?
Omdat een correlatie ook kan ontstaan door een verborgen derde variabele, door omgekeerde causaliteit of door puur toeval. Een gemeten samenhang bewijst daarom nooit op zichzelf dat de een de ander veroorzaakt.
Wat is een schijnverband?
Een schijnverband is een correlatie tussen twee variabelen die in werkelijkheid door een derde factor wordt veroorzaakt. IJsverkoop en verdrinkingen hangen bijvoorbeeld samen, maar de echte oorzaak van beide is warm weer.
Hoe kun je causaliteit aantonen?
Door aan drie voorwaarden te voldoen: er is een correlatie, de oorzaak gaat vooraf aan het gevolg en alternatieve verklaringen zijn uitgesloten. De sterkste methode hiervoor is een gecontroleerd experiment, zoals een A/B-test of een gerandomiseerde studie.
Wat betekent de correlatiecoëfficiënt?
De correlatiecoëfficiënt is een getal tussen -1 en +1 dat de sterkte en richting van een verband weergeeft. Bij +1 is er een perfect positief verband, bij -1 een perfect negatief verband en bij 0 geen lineair verband. Het getal zegt niets over de oorzaak.
Betrouwbare conclusies uit je data
Het verschil tussen correlatie en causaliteit bepaalt of onderzoeksresultaten leiden tot slimme of tot dure beslissingen. Bij BABLR zetten we onderzoek zo op dat je weet welke bevindingen een verband beschrijven en welke een echte oorzaak. Wil je zeker weten wat je data werkelijk vertelt? Neem gerust contact met ons op voor een vrijblijvend gesprek over je onderzoeksvraag.