moet je reverse causality met confounders onderzoeken?

Ik ben bezig met mijn masterthesis. Ik heb middels een regressieanalyse aangetoond dat sommige variabelen voorspellend zijn voor een andere variabelen. Ik heb dit ook met confounders onderzocht en dan bleken de variabelen geen voorspellende waarde op de andere te hebben.
Nu kun je met een regressieanalyse nog niets zeggen over causaliteit. Om dit min of meer te bevestigen heb ik de regressie analyes ook andersom gedaan. Alleen vroeg ik mij af: is het nu bij deze omgekeerde regressie ook de bedoeling om de confounders erbij te nemen? of gaat het juist alleen om te kijken of je reverse causation kunt uitsluiten in de belangrijkste variabelen??

Weet jij het antwoord?

/2500

Het beste antwoord

Zoals je zelf al aangeeft impliceert causaliteit correlatie maar correlatie impliceert nog geen causaliteit. Het enige dat je met statistiek kunt aantonen is dus dat er geen causaliteit is (als er geen correlatie is). Er zijn wel testen op causaliteit (Granger, cross mapping), daarbij moet je uiteraard gebruikmaken van tijdsafhankelijke variabelen omdat causaliteit betekent dat het gevolg na de oorzaak komt. Toch vermoed ik dat zo'n eenduidige tijdsafhankelijkheid wel een noodzakelijke maar nog geen voldoende voorwaarde is voor causaliteit aangezien mogelijk onbekende oorzaak-gevolgrelaties het beeld zouden kunnen vertroebelen.

Bronnen:
http://en.wikipedia.org/wiki/Convergent_cr...

Stel zelf een vraag

Ben je op zoek naar het antwoord die ene vraag die je misschien al tijden achtervolgt?

/100