Assosiaatiota ei pidä sekoittaa kausaalisuuteen; jos X aiheuttaa Y , nämä kaksi liittyvät toisiinsa (riippuvaisia). Assosiaatioita voi kuitenkin syntyä kausaalisen suhteen läsnäolon (eli X aiheuttaa Y:n) ja puuttumisen (eli niillä on yhteinen syy) muuttujien välillä, kuten olemme nähneet Bayesin verkostojen yhteydessä1.
Mikä tekee assosiaatiosta kausaalisen?
Yhteyden vahvuus – Mitä vahvempi yhteys tai riskin suuruus riskitekijän ja tuloksen välillä on, sitä todennäköisemmin yhteyden katsotaan olevan syy-seuraus. Johdonmukaisuus – Samat havainnot on havaittu eri populaatioissa eri tutkimussuunnitelmilla ja eri aikoina.
Mitkä ovat ohjeet sen arvioimiseksi, onko yhteys syy-seuraussuhteeseen?
Tärkeimmät näistä ohjeista ovat 'voima' (vahva yhteys on todennäköisemmin syy- kuin heikko), 'johdonmukaisuus' (yhteyttä havaitaan erilaiset tutkimukset eri olosuhteissa, aikoina ja paikoissa), "biologinen gradientti" (eli annos-vaste – vaikutuksen pitäisi olla suurempi …
Voivatko assosiaatiot olla sekä kausaalisia että ei-kausaalisia?
Sana 'assosioitunut' on sopiva, koska se sisältää sekä kausaalisia että ei-kausaalisia suhteita. "Kohonnut riski" on kuitenkin todennäköisesti tulkittava "syyksi", koska jos A lisää B:n riskiä, se tarkoittaa, että A aiheuttaa B:n.
Mitä eroa onassosiatiivinen ja kausaalinen malli?
Kun assosiatiivinen järjestelmä yksinkertaisesti linkittää ärsykkeen A:n ja B:n, propositionaalinen kausaalimalli edustaa miten A ja B liittyvät toisiinsa-esimerkiksi edeltävänä syynä ja seurauksena (Pearl & Russell, 2001).
