Spuriøsitet

Spuriøsitet, eller spuriøs sammenheng, er et begrep som brukes i statistikk og forskning for å beskrive en kobling mellom variabler som ser ut til å være reell, men som ikke representerer en faktisk årsakssammenheng. En spuriøs relasjon oppstår når to variabler virker å være assosierte på grunn av en tredje faktor, skjevhet eller tilfeldig variasjon, og ikke fordi den ene årsaker den andre. Spuriøsitet kan oppstå som følge av forvekslingsfaktorer (confounding), utvalgsskjevhet, målefeil eller ved mange tester uten korrigering for multipel-testing. Det kan også være resultatet av data mining (datagraving) hvor man prøver mange analyser til man finner noe signifikant.

Eksempler: Et klassisk eksempel er en positiv korrelasjon mellom iskremsalg og drukningstall gjennom året. Årsaken er temperatur eller årstid; varme øker både iskremsalg og antall drukninger. Uten kontroll for temperatur kan man få en feilaktig oppfatning av årsakssammenheng mellom is og drukning. Simpsons paradoks illustrerer også hvordan aggregerte data kan skjule eller skape spuriøse forhold når undergrupper skiller seg.

Vurdering og forebygging: Forskere forsøker å minimere spuriøse resultater gjennom randomiserte eksperimenter, kontroll for confounders i multivariat analyse, stratifikasjon og propensity score-metoder; preregistrering, korrigering for multipel testing, replikasjon og åpen datadeling brukes også. I data science hjelper kryssvalidering og testing på holdout-prøver med å avdekke spuriøsitet i prediksjonsmodeller.

Konklusjon: Spuriøsitet minner om at korrelasjon ikke nødvendigvis betyr kausalitet, og at forskerens design, datakvalitet og analysemetoder må vurderes nøye.