Variabile indipendente e variabile dipendente sono espressioni utilizzate nelle statistiche per descrivere parti di alcune procedure statistiche, in particolare le procedure di regressione. Essi hanno significati precisi. Causa ed effetto sono termini usati in generale discorso. Loro significato esatto è state discusse per migliaia di anni e non è depositati. Risultati di una regressione mai implicano causalità ma in grado di fornire la prova del nesso di causalità.
Variabili indipendenti
In statistica, una variabile indipendente può essere uno che avete controllo sopra o uno che pensi che colpisce la variabile dipendente. Ad esempio, potrebbe essere interessati al rapporto fra dosaggio del farmaco e la progressione di una malattia, o la relazione tra età di una persona e le sue opinioni politiche. Nel primo caso, il dosaggio del farmaco è la variabile indipendente; nel secondo caso, l'età.
Variabili dipendenti
La variabile dipendente è che cosa siete interessati a esplorare..--cosa ne pensi risente la variabile indipendente. Nel considerare il rapporto tra il dosaggio del farmaco e la progressione di una malattia, la progressione della malattia è la variabile dipendente.
Causa ed effetto
La natura delle relazioni causali è un grosso problema in filosofia. Filosofi, tra i quali Aristotele e Hume, hanno teorie di causalità. Più recentemente, Judea Pearl ha scritto estesamente sui nessi di causalità. Nessun reale consenso è stato raggiunto per quanto riguarda ciò che causalità significa appunto. Un'area di controversia che è particolarmente pertinente è l'argomento che un evento può essere una causa di un altro evento solo se il rapporto è perfetto. In questa prospettiva, non possiamo dire il fumo provoca il cancro perché alcune persone fumano e non si ammalano di cancro. Altri dicono che al nesso di causalità può esistere quando una cosa (fumatori) aumenta la probabilità di un altro (ottenente del cancro).
Prova del nesso di causalità
Se si prende la prima visualizzazione del nesso di causalità, statistiche ha scarsa rilevanza. Un controesempio singolo sarebbe confutare il nesso di causalità. Anche se si prende la vista posteriore, diversi tipi di procedure statistiche forniscono diversi gradi di prova. Non c'è accordo generale che quando la variabile indipendente viene assegnata casualmente ai soggetti c'è più la prova di causalità, poi quando questo non è il caso. Ma alcuni sostengono che quest'ultimo caso non fornisce alcuna prova, o prova minima di nesso di causalità, mentre altri sostengono che questi studi osservazionali possono fornire la prova ragionevole (ad es. Ronald Fisher).