Bẫy tương quan và nhân quả
Bạn sẽ học được
- Vì sao tương quan không phải nhân quả.
- Ba nguồn sai thường gặp: biến gây nhiễu, nhân quả ngược, thiên lệch chọn mẫu.
- Nghịch lý Simpson và cách phát hiện.
- Cách thiết kế phân tích gần nhân quả hơn khi không làm được thí nghiệm.
- Cách viết kết luận trung thực về mức độ chắc chắn.
Khái niệm cốt lõi
Hai biến cùng thay đổi chưa nói lên biến nào gây ra biến nào. Ba cơ chế thường tạo ra tương quan giả:
- Biến gây nhiễu (confounder) — một biến thứ ba ảnh hưởng cả hai. Kem bán chạy và số vụ đuối nước cùng tăng khi trời nóng; trời nóng là nguyên nhân chung, kem không gây đuối nước.
- Nhân quả ngược (reverse causality) — kết quả lại là nguyên nhân. Khách gọi hỗ trợ nhiều có thể vì họ sắp huỷ, chứ không phải gọi hỗ trợ làm họ huỷ.
- Thiên lệch chọn mẫu (selection bias) — nhóm được so sánh vốn đã khác nhau từ đầu. Người dùng tính năng mới có thể là nhóm nhiệt tình sẵn, nên tính năng "trông" hiệu quả.
Nghịch lý Simpson
Khi gộp nhóm, xu hướng có thể đảo ngược so với từng nhóm. Ví dụ nổi tiếng từ nghiên cứu sỏi thận (Charig và cộng sự):
| Nhóm | Phương pháp A | Phương pháp B |
|---|---|---|
| Sỏi nhỏ | 81/87 = 93,1% | 234/270 = 86,7% |
| Sỏi lớn | 192/263 = 73,0% | 55/80 = 68,8% |
| Tổng | 273/350 = 78,0% | 289/350 = 82,6% |
A tốt hơn ở cả hai nhóm, nhưng B tốt hơn khi gộp. Lý do: A được dùng nhiều cho ca khó (263/350 ca sỏi lớn), B chủ yếu cho ca dễ (270/350 ca sỏi nhỏ). Tỷ lệ thành công chung phản ánh việc phân ca, không phản ánh chất lượng phương pháp.
Bài học: trước khi kết luận từ một con số tổng, kiểm tra phân bố của các nhóm quan trọng (mức độ khó, khu vực, kênh, thời gian).
Phát hiện nhiễu trong dữ liệu
Cách thực dụng: tính chỉ số theo từng nhóm thay vì chỉ tính tổng.
SELECT c.segment,
COUNT(DISTINCT o.id) AS so_don,
SUM(oi.quantity * oi.unit_price) AS doanh_thu,
SUM(oi.quantity * oi.unit_price) / COUNT(DISTINCT o.id) AS gia_tri_don_tb
FROM orders o
JOIN customers c ON c.id = o.customer_id
JOIN order_items oi ON oi.order_id = o.id
WHERE o.status = 'completed'
GROUP BY c.segment
ORDER BY doanh_thu DESC;Nếu một nhóm chiếm phần lớn doanh thu và có hành vi khác biệt, con số tổng có thể bị nhóm đó chi phối. Luôn hỏi: "Con số này thay đổi thế nào nếu tách theo khu vực/kênh/segment?"
Một kiểm tra nữa là phân bố trước can thiệp. Nếu nhóm A và B đã khác nhau về quy mô, tuổi tài khoản hay khu vực trước khi thử nghiệm, so sánh trực tiếp là không công bằng.
Khi không thể làm thí nghiệm
Không phải lúc nào cũng chia nhóm ngẫu nhiên được. Ba cách giảm sai lệch:
| Cách | Ý tưởng | Giới hạn |
|---|---|---|
| So sánh trước–sau | Đo cùng nhóm trước và sau can thiệp | Bỏ qua xu hướng chung theo thời gian |
| Khác biệt trong khác biệt (DiD) | So nhóm can thiệp với nhóm đối chứng, cả hai trước–sau | Cần nhóm đối chứng hợp lý |
| Ghép cặp (matching) | Ghép mỗi người can thiệp với người giống nhất không can thiệp | Chỉ cân bằng được biến đã quan sát |
Cả ba đều không mạnh bằng thí nghiệm ngẫu nhiên. Khi báo cáo, nói rõ phương pháp và giả định — đừng gọi tương quan là "tác động".
Cách viết kết luận
| Không nên | Nên |
|---|---|
| "Tính năng mới làm tăng giữ chân 8%." | "Nhóm dùng tính năng mới có tỷ lệ giữ chân cao hơn 8 điểm phần trăm; nhóm này cũng có tài khoản cũ hơn, nên chưa thể quy toàn bộ cho tính năng." |
| "Giảm giá giúp bán chạy." | "Các đợt giảm giá đi kèm doanh số cao hơn, nhưng trùng với mùa cao điểm; cần thí nghiệm để tách hai yếu tố." |
| "Không có tương quan nên không có tác động." | "Dữ liệu hiện tại không đủ để phát hiện khác biệt nhỏ hơn 5%; nếu tác động thật nhỏ hơn ngưỡng đó, cần mẫu lớn hơn." |
Thực hành
- Nêu một tương quan bạn từng thấy và một biến gây nhiễu hợp lý.
- Tái lập bảng Simpson bằng số liệu của bạn và giải thích vì sao tổng đảo chiều.
- Viết truy vấn tính một chỉ số theo hai chiều phân nhóm liên tiếp.
- Chọn một câu hỏi nhân quả và mô tả thí nghiệm tối thiểu để trả lời.
Lỗi thường gặp
| Triệu chứng | Nguyên nhân | Cách sửa |
|---|---|---|
| Kết luận "A gây B" quá sớm | Chỉ thấy tương quan | Kiểm tra nhiễu, thời gian, chọn mẫu |
| Tổng nghịch với từng nhóm | Nghịch lý Simpson | Báo cáo theo nhóm, nêu phân bố |
| Nhóm can thiệp vốn khác biệt | Không có nhóm đối chứng | Ghép cặp hoặc DiD |
| Tác động "biến mất" khi kiểm tra lại | Dao động ngẫu nhiên | Xem khoảng tin cậy, cỡ mẫu |
| Kết luận theo hướng mong muốn | Thiên lệch xác nhận | Đặt giả thuyết trước, tìm bằng chứng phản bác |
Tóm tắt
- Tương quan có thể do nhiễu, nhân quả ngược hoặc chọn mẫu.
- Nghịch lý Simpson: tổng có thể đảo chiều so với từng nhóm.
- Luôn tách nhóm trước khi kết luận từ con số tổng.
- Khi không thí nghiệm được, dùng trước–sau, DiD hoặc ghép cặp và nêu giả định.
- Viết kết luận theo mức độ chắc chắn, không quy tương quan thành nhân quả.
Dùng ← → để chuyển bài