Twee live metingen naast elkaar — optioneel met samenhang
Bekijk twee tijdreeksen in één grafiek. Standaardvoorbeelden: lucht en verkeer
(uitstoot- of intensiteitsindex). Samenhang (Pearson) is een optionele extra —
geen oorzaak-gevolg.
De optionele uitkomst «samenhang» is een statistische associatie
(Pearson-correlatie): beide reeksen variëren meetbaar mee, maar dat betekent niet
dat de ene de andere veroorzaakt.
Voor
Correlatie ≠ causatie. Correlatie meet samenhang in de tijd; causatie betekent dat de ene variabele de andere daadwerkelijk beïnvloedt — dat volgt niet uit één coëfficiënt.
In epidemiologisch en beleidsonderzoek worden vaak vijf indicatoren meegewogen (Bradford Hill):
Volgtijdelijkheid — vermeende oorzaak gaat het gevolg vooraf
Sterkte — sterkere associatie is relevanter, geen automatisch bewijs
Consistentie — patroon herhaalt zich onder vergelijkbare omstandigheden
Dosis-respons (proportionaliteit) — meer blootstelling ↔ sterker effect
Plausibiliteit — aannemelijk mechanisme of verklaring
Confounding: een derde factor (weer, seizoen, infrastructuur) kan beide reeksen tegelijk beïnvloeden — zichtbare samenhang zonder direct verband.
zijn aanvullend onderzoek
en context nodig; deze tool levert geen oorzakelijkheidsbewijs.
Inloggen voor andere voorbeelden, opslaan en geavanceerde keuze.