Laten we eerlijk zijn: we doen het allemaal. We zien twee dingen samen voorkomen en denken automatisch: aha, dat zal wel oorzaak en gevolg zijn. Logisch. Menselijk. Maar… ook vaak fout. Lees verder over propaganda herkennen en kritisch denken.
Verdieping bij stap 2 van de leesroute Propaganda en kritisch denken. Deze verdieping helpt om een oorzakelijke verklaring te onderscheiden van twee dingen die samen voorkomen. Neem één bewering uit een bericht of gesprek en vraag welke andere verklaringen mogelijk zijn. Het vervolg maakt het controleren van bron en context praktisch.
Jouw vervolgstap: toets één oorzakelijke bewering aan haar onderbouwing.
Dus laten we even vertragen. Even scherpstellen. Want correlatie is niet hetzelfde als een oorzakelijk verband. En precies dat onderscheid begrijpen, maakt je niet alleen kritischer, maar ook wijzer.
Eerst dit: wat bedoelen we eigenlijk met correlatie en statistische samenhang?
Correlatie betekent simpelweg dat twee variabelen samen bewegen. Als de ene stijgt, stijgt de andere ook. Of omgekeerd: als de ene daalt, daalt de andere mee.
Belangrijk om te onthouden: correlatie zegt iets over samenhang, maar niets over waarom die samenhang bestaat.
En precies daar gaat het vaak mis.
Samenhang zien is makkelijk, maar wat verklaart die samenhang werkelijk?
Is samenhang dan altijd betekenisvol? Soms wel. Soms ook niet. Daarom is nuance zo belangrijk.
Wanneer twee dingen samen veranderen, kunnen er namelijk meerdere verklaringen zijn:
- Ten eerste kan er sprake zijn van een derde factor die beide variabelen beïnvloedt.
- Ten tweede kan het gaan om omgekeerde causaliteit (B veroorzaakt A, en niet andersom).
- Ten derde kan de samenhang het gevolg zijn van puur toeval.
Met andere woorden: correlatie vertelt ons dat er iets samenloopt, maar niet wat er precies gebeurt of waarom.
Een klassiek voorbeeld dat alles duidelijk maakt (en nee, dit is geen grap)
Neem dit bekende voorbeeld:
Hoe meer ijsjes er verkocht worden, hoe meer verdrinkingen er plaatsvinden.
Statistisch klopt dit. Er is een duidelijke correlatie.
Maar betekent dat dan dat ijsjes eten gevaarlijk is?
Natuurlijk niet.
Wat hier gebeurt, is het volgende: warm weer zorgt én voor meer ijsjesverkoop én voor meer mensen in het water. Warm weer is dus de derde variabele die beide beïnvloedt.
Zonder die context trek je al snel een compleet verkeerde conclusie.
Een concrete toepassing vind je bij onderzoek naar psychopathische trekken op het werk. Daar worden een geselecteerde bedrijfsgroep en een meta-analyse naast elkaar gelezen. Een samenhang tussen beoordelingen is er geen automatische oorzaakverklaring en geen diagnose van een collega.
Een volgende stap is nagaan wat een gecontroleerde vergelijking precies onderzoekt. In onderzoek naar zelfhulp beoordelen lezen we een studie met willekeurige toewijzing en een vooraf gekozen vergelijkingsgrens. Ook daar moet een conclusie passen bij deelnemers, aanpak, uitkomst en meetmoment.
Wanneer spreken we wél van een oorzakelijk verband en echte causaliteit?
Een oorzakelijk verband betekent iets fundamenteel anders. Dan is er sprake van een echte oorzaak-gevolgrelatie: A leidt tot B.
Maar let op: dat aantonen is aanzienlijk moeilijker dan alleen een statistische samenhang vaststellen. Bij zorgvuldig conclusies trekken past ook zelfstandig denken en Sapere Aude.
Meestal zijn hiervoor meerdere voorwaarden nodig:
- een logisch en aannemelijk mechanisme (het moet verklaarbaar zijn hoe A daadwerkelijk B veroorzaakt),
- een duidelijke en consistente tijdsvolgorde (de oorzaak komt vóór het gevolg),
- én de uitsluiting van andere mogelijke verklaringen.
Pas wanneer al deze puzzelstukken op hun plaats vallen, kunnen we spreken van causaliteit.
Een voorbeeld waarbij correlatie en causaliteit wél samenvallen
Roken en longkanker.
Hier zien we niet alleen een sterke correlatie, maar ook overtuigend bewijs dat roken de kans op longkanker vergroot. Er is een duidelijk biologisch mechanisme, er is een consistente tijdsvolgorde én alternatieve verklaringen zijn grondig onderzocht en uitgesloten.
Met andere woorden: in dit geval is de samenhang geen toeval, maar een bewezen oorzaak-gevolgrelatie.
Een vergelijkbare aandacht voor het soort bewering helpt buiten statistiek. Bij filosofie en AI zorgvuldig onderscheiden onderzoeken we waarom een gedachte over werkelijkheid niet vanzelf bewijs is voor een technische of morele conclusie.
Ook buiten correlatieonderzoek helpt het om precies te benoemen wat een getal aantoont. Bij een klimaatclaim over kerosine toetsen onderscheiden we een uitstootfactor van een volledige vergelijking van energiesystemen. Het is een andere denkfout, maar dezelfde zorgvuldigheid met de draagwijdte van bewijs.
Waarom het onderscheid tussen correlatie en causaliteit zo belangrijk is
Omdat verkeerde conclusies echte gevolgen hebben.
In de media. In de politiek. In gezondheidsadvies. In opvoeding. En ja, ook in persoonlijke relaties en ons zelfbeeld.
Wanneer we correlatie verwarren met causaliteit:
- trekken we te snelle en te stellige conclusies,
- wijzen we soms de verkeerde schuldige aan,
- en nemen we beslissingen op basis van onvolledige of misleidende informatie.
Daarom is kritisch denken geen luxe, maar een noodzaak.
Ook bij nieuws en online debatten verdient een stellige conclusie controle. Lees hoe je kritisch omgaat met een stortvloed aan beweringen, zonder snelheid of herhaling voor bewijs aan te zien.
Onthoud dit ene zinnetje dat alles samenvat
Correlatie impliceert geen causaliteit.
Maar – en dit is de belangrijke nuance –
Causaliteit impliceert wél correlatie.
Met andere woorden: elke oorzaak-gevolgrelatie laat een samenhang zien, maar niet elke samenhang wijst op een oorzaak.
Tot slot: een kleine mentale pauze die een groot verschil maakt
Dus de volgende keer dat je een opvallende statistiek, grafiek of conclusie ziet, stel jezelf even deze vragen:
- Wat zou hier nog meer kunnen meespelen?
- Is er bewijs voor een onderliggend mechanisme?
- Of zie ik vooral een patroon, zonder echte verklaring?
Die korte pauze maakt vaak een wereld van verschil.
👉 Wat roept dit bij jou op? Herken je voorbeelden waarbij correlatie te snel als oorzaak werd gezien? Deel gerust je gedachten hieronder. Lees verder over menselijk communiceren bij meningsverschillen.
Welke kleine stap past vandaag bij jou?
Neem mee wat je helpt. Je kunt één inzicht laten bezinken, iets opschrijven of steun vragen. Kies wat bij jouw mogelijkheden past; ook rust nemen mag.
Wil je verder lezen? Kies via Start hier een gids die bij jouw vraag past.
Goed om te weten: onze informatie ondersteunt inzicht en zelfreflectie en vervangt geen persoonlijke diagnose, behandeling of professioneel advies.
Een vraag of fout melden? Neem contact op met ons. Vermeld bij een fout de link en de betrokken passage. Dit contactkanaal is geen crisisdienst.
Lees in onze publicatieprincipes hoe we werken meer over onze achtergrond, bronnen, correcties en commerciële verwijzingen.
Liefs,
Annemie Persyn-Declercq en Johan Persyn
Wij vallen. Wij staan op. Wij groeien.
Ontdek meer van
Abonneer je om de nieuwste berichten naar je e-mail te laten verzenden.