Korelasyon, Nedensellik ve Yaygın Yanılgılar

Önceki derste veri dağılımlarını okumayı ve temel değişkenlik ölçülerini yorumlamayı öğrendik. Artık iki değişkeni bir arada incelemenin, aralarındaki ilişkiyi doğru okumanın ve iş dünyasında en sık düşülen yorumlama tuzağına düşmemenin zamanı: korelasyon nedensellik değildir.

Korelasyon nedir?

Korelasyon, iki değişkenin birlikte nasıl hareket ettiğini gösteren bir ölçüdür. Korelasyon katsayısı (r) -1 ile +1 arasında değişir:

• +1'e yakın: Değişkenler birlikte artıyor (pozitif ilişki)
• -1'e yakın: Biri artarken diğeri azalıyor (negatif ilişki)
• 0'a yakın: Aralarında doğrusal bir ilişki yok

Örneğin bir e-ticaret şirketinde reklam harcaması ile satışlar arasında r=0,78 bulunması, ikisinin genellikle birlikte hareket ettiğini gösterir. Ama bu, reklamın satışı artırdığı anlamına otomatik olarak gelmez.

Korelasyon neden nedensellik değildir?

İki değişken arasında güçlü bir ilişki görmek, birinin diğerinin sebebi olduğu anlamına gelmez. Bunun üç temel nedeni vardır:

İş kararlarında sık yapılan hatalar

• Tek değişkene odaklanma: "Instagram harcamasını artırdık, satış arttı" derken aynı dönemde yapılan kampanyayı, sezonu veya rakip hareketini göz ardı etmek.
• Örneklem karıştırma: Farklı gruplardan gelen verileri tek bir ilişki gibi yorumlamak (Simpson paradoksu).
• Korelasyonu eyleme çevirmek: Sadece ilişkiye dayanarak büyük bütçeli, geri dönüşü zor kararlar almak.

Nedenselliğe nasıl yaklaşılır?

Gerçek nedensellik iddiası için genellikle kontrollü deney (A/B testi), zaman sıralaması netliği ve alternatif açıklamaların elenmesi gerekir. Elinizde sadece gözlemsel veri varsa, bulguyu "ilişki var" diye sunun; "X, Y'ye sebep oluyor" demeden önce ek kanıt arayın.

Bir sonraki ve son derste, buraya kadar öğrendiğimiz tüm araçları (özet istatistikler, dağılımlar, korelasyon ve nedensellik farkı) tek bir karar verme çerçevesinde birleştirip pratik bir iş kararına nasıl uygulayacağımızı göreceğiz.