🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
correlation_causation_fallacy
Der Korrelations-Kausalitäts-Trugschluss ist der Fehler, aus einer statistischen Korrelation auf eine kausale Beziehung zu schließen. Eine Korrelation kann durch direkte Kausalität, umgekehrte Kausalität, Konfundierung oder Zufall entstehen.
Städte mit mehr Krankenhäusern haben höhere Sterblichkeitsraten. Verursachen Krankenhäuser den Tod? Nein — mehr Krankenhäuser werden in Städten mit mehr kranken Menschen gebaut. Der Kausalitätspfeil verläuft von der Krankheitslast zum Krankenhausbau, während der Tod aus der Krankheit folgt.
Eine Analyse sozialer Medien zeigt: Menschen, die häufig Fotos von gesundem Essen posten, sind im Schnitt schlanker. Daraus wird geschlossen, das Posten von Salatfotos mache schlank – dabei sind beide Variablen wahrscheinlich auf einen gemeinsamen Faktor zurückzuführen: ein generell gesundheitsbewusstes Verhalten.
Statistiken zeigen, dass Länder mit höherem Schokoladenkonsum pro Kopf mehr Nobelpreisträger hervorgebracht haben. Eine Boulevardzeitung titelt: 'Schokolade macht schlau!' – ignoriert dabei jedoch, dass beide Variablen mit dem allgemeinen Wohlstand eines Landes zusammenhängen, der sowohl den Konsum von Luxusgütern als auch Investitionen in Bildung und Forschung ermöglicht.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Wird aus einer beobachteten Korrelation ohne zusätzliche Belege auf eine kausale Beziehung geschlossen?
Typ: binaryWurden plausible Confounder in der Analyse kontrolliert?
Typ: binaryWird umgekehrte Kausalität (der Effekt verursacht die Exposition) ausgeschlossen?
Typ: binaryIst ein plausibler biologischer, sozialer oder mechanischer Mechanismus identifiziert und getestet?
Typ: binaryDer Korrelations-Kausalitäts-Trugschluss ist der Fehler, aus einer statistischen Korrelation auf eine kausale Beziehung zu schließen. Eine Korrelation kann durch direkte Kausalität, umgekehrte Kausalität, Konfundierung oder Zufall entstehen.
Kausale Narrative sind leichter zu verstehen und zu erinnern als reine Korrelationsbeschreibungen. Der menschliche Verstand neigt stark dazu, kausale Geschichten aus Kookkurrenzmustern zu konstruieren.
Einen plausiblen kausalen Mechanismus fordern. Prüfen, ob die Assoziation nach Kontrolle von Confoundern bestehen bleibt. Zeitliche Ordnung prüfen. Nach natürlichen Experimenten, Instrumentvariablen oder randomisierten Belegen suchen.
Eiscremeverkäufe und Ertrinkungstode sind korreliert (beide Spitzen im Sommer). Der Trugschluss würde absurderweise implizieren, Eis verursache Ertrinken. Die tatsächliche Ursache ist heißes Wetter und erhöhte Outdoor-Aktivität.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.