Associasjon må ikke forveksles med kausalitet; hvis X forårsaker Y , er de to assosiert (avhengig). Det kan imidlertid oppstå assosiasjoner mellom variabler i nærvær (dvs. X forårsaker Y) og fravær (dvs. de har en felles årsak) av en årsakssammenheng, som vi har sett i sammenheng med Bayesianske nettverk1.
Hva gjør en assosiasjon kausal?
Associasjonsstyrke – Jo sterkere assosiasjonen, eller risikoens størrelse, er mellom en risikofaktor og utfall, jo mer sannsynlig er sammenhengen antatt å være årsakssammenheng. Konsistens – De samme funnene har blitt observert blant forskjellige populasjoner, ved bruk av forskjellige studiedesign og til forskjellige tider.
Hva er retningslinjene for å bedømme om en sammenheng er årsakssammenheng?
De viktigste av disse retningslinjene er 'styrke' (en sterk assosiasjon er mer sannsynlig å være årsak enn en svak), 'konsistens' (en assosiasjon er observert i forskjellige studier, under forskjellige omstendigheter, tider og steder), 'biologisk gradient' (dvs. dose-respons – effekten bør ha en tendens til å være større …
Kan assosiasjoner være både kausale eller ikke-årsakssammenhenger?
Ordet 'assosiert' er passende fordi det inkluderer både årsakssammenhenger og ikke-årsakssammenhenger. Imidlertid vil 'økt risiko' sannsynligvis bli tolket som en 'årsak' fordi hvis A øker risikoen for B, er implikasjonen at A forårsaker B.
Hva er forskjellen mellomen assosiativ og en årsaksmodell?
Mens det assosiative systemet ganske enkelt kobler stimulus A og B, representerer en proposisjonell årsaksmodell hvordan A og B er relatert til hverandre-for eksempel, som foregående årsak og etterfølgende virkning (Pearl & Russell, 2001).
