Esercizio 3: Correlazione Spuria e Variabili Confondenti: Il Caso dei Gelati e degli Incidenti in Piscina
Un analista di dati di una città costiera sta esaminando i dati raccolti durante i mesi estivi (giugno, luglio, agosto) e nota una forte correlazione positiva tra il numero di gelati venduti ogni giorno e il numero di incidenti (piccoli e grandi) che si verificano nelle piscine pubbliche della città. I dati per 10 giorni scelti a caso sono i seguenti:
Tabella Dati
| Giorno | Gelati Venduti (X) | Incidenti in Piscina (Y) |
|---|---|---|
| 1 | 150 | 2 |
| 2 | 220 | 4 |
| 3 | 130 | 1 |
| 4 | 250 | 5 |
| 5 | 180 | 3 |
| 6 | 230 | 4 |
| 7 | 140 | 2 |
| 8 | 260 | 5 |
| 9 | 160 | 2 |
| 10 | 240 | 5 |
- Calcola il coefficiente di correlazione di Pearson (r) tra il numero di gelati venduti e il numero di incidenti in piscina.
- Interpreta il valore di r. Sulla base di questo valore, saresti tentato di concludere che mangiare gelati causa incidenti in piscina?
- Identifica una possibile variabile confondente che potrebbe spiegare la relazione tra X e Y. Spiega il meccanismo attraverso cui questa variabile influenza sia X che Y.
- Discuti il concetto di correlazione spuria in questo contesto e spiega perché è un errore interpretare questa correlazione come una relazione di causa-effetto.
Soluzione passo-passo
1. Calcolo del coefficiente di correlazione di Pearson (r)
Iniziamo calcolando le medie di X e Y.
[math]\bar{X} = (150+220+130+250+180+230+140+260+160+240) / 10 = 2060 / 10 = 206[/math]
[math]\bar{Y} = (2+4+1+5+3+4+2+5+2+5) / 10 = 33 / 10 = 3.3[/math]
Ora, costruiamo la tabella per i calcoli intermedi:
| Giorno | X | Y | [math]X – \bar{X}[/math] | [math]Y – \bar{Y}[/math] | [math](X – \bar{X})(Y – \bar{Y})[/math] | [math](X – \bar{X})^2[/math] | [math](Y – \bar{Y})^2[/math] |
|---|---|---|---|---|---|---|---|
| 1 | 150 | 2 | -56 | -1.3 | 72.8 | 3136 | 1.69 |
| 2 | 220 | 4 | 14 | 0.7 | 9.8 | 196 | 0.49 |
| 3 | 130 | 1 | -76 | -2.3 | 174.8 | 5776 | 5.29 |
| 4 | 250 | 5 | 44 | 1.7 | 74.8 | 1936 | 2.89 |
| 5 | 180 | 3 | -26 | -0.3 | 7.8 | 676 | 0.09 |
| 6 | 230 | 4 | 24 | 0.7 | 16.8 | 576 | 0.49 |
| 7 | 140 | 2 | -66 | -1.3 | 85.8 | 4356 | 1.69 |
| 8 | 260 | 5 | 54 | 1.7 | 91.8 | 2916 | 2.89 |
| 9 | 160 | 2 | -46 | -1.3 | 59.8 | 2116 | 1.69 |
| 10 | 240 | 5 | 34 | 1.7 | 57.8 | 1156 | 2.89 |
| Somma | 2060 | 33 | 0 | 0 | 652.0 | 22840 | 20.1 |
Applichiamo la formula per r:
[math]r = \frac{652}{\sqrt{22840 \times 20.1}} = \frac{652}{\sqrt{459084}} = \frac{652}{677.56} \approx \mathbf{0.9623}[/math]
2. Interpretazione del valore di r
Un coefficiente di correlazione di Pearson di circa 0.9623 indica una correlazione lineare positiva estremamente forte tra il numero di gelati venduti e il numero di incidenti in piscina. Sulla base di questo valore, si potrebbe essere tentati di concludere che esiste una relazione diretta tra le due variabili. Tuttavia, sarebbe un grave errore interpretativo concludere che mangiare gelati causi incidenti in piscina. La correlazione, anche se molto forte, non implica causalità.
Spiegazione didattica: Questo è un classico esempio in cui la statistica da sola può essere fuorviante se non viene applicato il ragionamento critico. Un valore di r elevato ci dice solo che le due variabili si muovono insieme in modo prevedibile, ma non ci dice perché.
3. Identificazione di una variabile confondente
La relazione osservata è probabilmente spiegata da una variabile confondente (o variabile nascosta), ovvero una terza variabile che influenza sia la vendita di gelati (X) sia il numero di incidenti in piscina (Y). In questo caso, la variabile confondente più ovvia è la temperatura esterna (o, più in generale, il bel tempo).
Meccanismo di influenza:
- Temperatura → Vendita di Gelati: Quando la temperatura è alta, le persone cercano modi per rinfrescarsi, e una delle opzioni più comuni è mangiare un gelato. Quindi, una temperatura più alta causa un aumento delle vendite di gelati.
- Temperatura → Incidenti in Piscina: Quando la temperatura è alta, più persone vanno in piscina per rinfrescarsi. Un maggior numero di persone in piscina aumenta la probabilità che si verifichino incidenti (scivoloni, tuffi pericolosi, ecc.). Quindi, una temperatura più alta causa un aumento del numero di incidenti in piscina.
In questo modo, la temperatura esterna è la causa comune di entrambi i fenomeni, creando una correlazione tra di essi anche se non c’è una relazione causale diretta tra gelati e incidenti.
Spiegazione didattica: Una variabile confondente è un fattore esterno che non viene considerato nell’analisi ma che è correlato sia con la variabile indipendente che con quella dipendente, creando una relazione spuria tra di esse. L’identificazione delle variabili confondenti è uno dei compiti più importanti nell’analisi dei dati per evitare conclusioni errate.
4. Discussione sulla correlazione spuria
La relazione tra la vendita di gelati e gli incidenti in piscina è un esempio di correlazione spuria. Una correlazione spuria è una relazione statistica tra due variabili che appare essere causale, ma in realtà non lo è. È il risultato di una coincidenza o, più comunemente, della presenza di una terza variabile confondente.
In questo contesto, è un errore interpretare la correlazione come una relazione di causa-effetto perché:
- Manca un meccanismo plausibile: Non c’è una spiegazione logica o scientifica per cui mangiare un gelato dovrebbe aumentare il rischio di un incidente in piscina.
- Esiste una spiegazione alternativa più plausibile: La variabile confondente (la temperatura) fornisce una spiegazione molto più logica e diretta per l’aumento di entrambe le variabili.
Osservazione strategica: Come affrontare le correlazioni spurie
Per evitare di cadere nella trappola delle correlazioni spurie, è fondamentale:
- Usare il ragionamento critico: Chiedersi sempre se esiste una spiegazione logica per la relazione osservata.
- Cercare variabili confondenti: Considerare quali altri fattori potrebbero influenzare entrambe le variabili.
- Controllare per le variabili confondenti: In studi più avanzati, è possibile utilizzare tecniche statistiche (come la regressione multipla) per controllare l’effetto delle variabili confondenti e isolare la vera relazione tra le variabili di interesse.
Questo esercizio dimostra che, sebbene la correlazione sia uno strumento potente per identificare relazioni tra variabili, la sua interpretazione richiede cautela, conoscenza del contesto e un approccio scientifico per distinguere tra correlazione e causalità.
Perché è interessante:
Questo è l’esercizio sul pensiero critico. Il coefficiente di correlazione (r ≈ 0.96) è altissimo, quasi “troppo bello per essere vero”. La sua peculiarità è dimostrare in modo inequivocabile il mantra statistico: “Correlazione non implica causalità”. È un esempio memorabile e facile da capire di una correlazione spuria guidata da una variabile confondente (la temperatura). Insegna a guardare oltre i numeri e a cercare il contesto, la logica e le possibili cause nascoste.
Applicazioni pratiche:
Giornalismo e Policy Making: Aiuta a smontare notizie o politiche basate su correlazioni superficiali. Per esempio, correlare il numero di immigrati con il tasso di criminalità senza considerare variabili confondenti come povertà, disoccupazione o livello di istruzione.
Analisi di Business: Un’azienda potrebbe notare che le vendite di un prodotto aumentano quando un concorrente lancia una campagna pubblicitaria. La causa potrebbe non essere la campagna del competitor, ma una variabile esterna (es. un evento stagionale) che spinge le vendite di tutta la categoria di prodotti.
Ricerca Medica: Fondamentale negli studi osservazionali per evitare di concludere che un certo comportamento (es. bere caffè) causi una malattia, quando in realtà entrambi sono legati a una terza variabile (es. il fumo).