"Causalement associé", "Indépendamment associé"...

Bonjour,

Je dois présenter une lecture critique d'une étude transversale dans le cadre de mes études.
Les auteurs de l'étude ont utilisé des régressions linéaires afin de trouver des associations entre des variables. Que du classique me direz-vous.
Sauf que pas matheuse pour un sou, j'ai un peu de mal avec le vocabulaire statistique et l'interprétation fine de leurs résultats.
Par exemple, sachant que j'ai bien compris que l'association n'était pas du tout une relation de cause à effet, je ne sais pas comment interpréter "causalement associé."

Si une bonne âme pouvait m'éclairer sur la différence entre :

associé
spécifiquement associé
indépendamment associé
causalement associé

Ce serait drôlement sympa !

Merci d'avance !

Bonjour, je trouve que c'est très dangereux de leur part de parler de causalité avec une simple régression linéaire. Elle va juste calculer un R² : On prend sa racine carré pour voir le coefficient de corrélation multiple : qui te permet de mesurer le "lien linéaire" qu'il existe entre une variable et toutes les autres.

Cependant, comme tu l'as dit, ça ne veut pas dire que deux variables sont corrélées et qu'elles représentent deux phénomènes physiques, que l'une implique l'autre (la causalité).

Je pense que le "indépendamment associé", vient du fait qu'ils ont testé la corrélation (avec un test de Pearson) et ils ont trouvé qu'elle était nulle. Cependant le fait que la corrélation soit nulle n'implique surtout pas l'indépendance, c'est même la première règle qu'on apprend quand on fait des probabilités ...


Si tu devais critiquer l'étude, je pense qu'il faut surtout insister sur le fait qu'ils ont fait que des calculs de corrélation et qu'ils n'ont pas le droit de parler de causalité. De plus, il n'existe pas que la régression linéaire pour mesurer la corrélation (kendall ou spearman par exemple) ...

On ne peut strictement démontrer un lien de causalité qu'en construisant un plan d'expérience adapté : essai contrôlé, randomisé... etc...

Sur une étude transversale, par définition sans traitement de référence ni allocation aléatoire, un lien de causalité ne peut pas être démontré, mais il peut être suggéré par un faisceau d'arguments. Classiquement, l'hypothèse d'un lien causal doit reposer tout d'abord sur des arguments cliniques, accompagnés d'une ou plusieurs conditions ci dessous:
- il y a une séquence dans le temps ;
- il y a une élimination des facteurs de confusion ;
- il y a cohérence avec les connaissance actuelles ;
- l'association statistique est forte ;
- il y a une relation dose-effet ;
- il y constance de l'association et reproductibilité.

La réponse devrait donc se trouver dans la discussion des résultats, et les arguments présentés soutenant un eventuel lien de causalité. Si rien de tout ca dans la discussion, c'est un simple abus de langage.

Merci beaucoup pour vos réponses, tout est plus clair maintenant.
Grâce à vous, je vais pouvoir critiquer la pertinence de leurs résultats... avec beaucoup plus de pertinence !

Encore une fois, merci !

c@ssoulet a écrit:On ne peut strictement démontrer un lien de causalité qu'en construisant un plan d'expérience adapté : essai contrôlé, randomisé... etc...

Sur une étude transversale, par définition sans traitement de référence ni allocation aléatoire, un lien de causalité ne peut pas être démontré, mais il peut être suggéré par un faisceau d'arguments. Classiquement, l'hypothèse d'un lien causal doit reposer tout d'abord sur des arguments cliniques, accompagnés d'une ou plusieurs conditions ci dessous:
- il y a une séquence dans le temps ;
- il y a une élimination des facteurs de confusion ;
- il y a cohérence avec les connaissance actuelles ;
- l'association statistique est forte ;
- il y a une relation dose-effet ;
- il y constance de l'association et reproductibilité.

La réponse devrait donc se trouver dans la discussion des résultats, et les arguments présentés soutenant un eventuel lien de causalité. Si rien de tout ca dans la discussion, c'est un simple abus de langage.

Excellente réponse !

Eric.

Pour compléter la réponse d'AdrienC :
1) corrélation nulle et indépendance ne sont équivalents que pour des v.a. gaussiennes.
2) exemples de variables non corrélées et pourtant non indépendantes :
- sin( x) et cos( x) avec x un v.a. uniformément répartie entre -pi et pi.
- x un v.a quelconque et y = a * x où a est une v.a. indépendante de x prenant les valeurs -1 et +1 avec une probabilité de 1/2