Vì sao một quy luật rõ rệt trong dữ liệu không chứng minh được quan hệ nhân quả?
Một quy luật rõ rệt không chứng minh quan hệ nhân quả, vì cùng quy luật đó có thể xuất hiện khi một yếu tố thứ ba tác động lên cả hai đại lượng, khi quan hệ nhân quả diễn ra theo chiều ngược lại, hoặc khi sự trùng khớp chỉ là ngẫu nhiên. Tương quan đo mức độ hai yếu tố biến động cùng nhau; nó không nói lên lý do.
Xét một chuỗi bán lẻ đồ gia dụng giả định có 30 cửa hàng, Larkfield Home. Quản lý kinh doanh Priya đang rà soát quý trước. Tám cửa hàng tổ chức trình diễn dụng cụ nấu ăn vào cuối tuần, còn 22 cửa hàng thì không. Dữ liệu cô xuất ra có nội dung: 'Cửa hàng có trình diễn: doanh số trung bình hằng tuần 41,200. Cửa hàng không trình diễn: 34,900. Chênh lệch: +18%. Lưu ý: quản lý khu vực chọn cửa hàng trình diễn. Các buổi trình diễn chủ yếu diễn ra từ tháng 11 đến tháng 12. Nhóm cửa hàng có trình diễn gồm 5 trong số 6 cửa hàng lớn nhất của chúng ta.' Một trợ lý AI tóm tắt bảng tính như sau: 'Các buổi trình diễn dụng cụ nấu ăn giúp doanh số hằng tuần tăng 18%. Triển khai tại toàn bộ cửa hàng sẽ giúp tăng doanh thu.' Hội đồng quản trị muốn phê duyệt việc triển khai vào thứ Hai.
| Nhóm cửa hàng | Cửa hàng | Doanh số trung bình hằng tuần | Các trang web lớn nhất được đưa vào | Các tháng diễn ra trình diễn |
|---|---|---|---|---|
| Cửa hàng minh họa | 8 | 41,200 | 5 trên 6 | Chủ yếu vào tháng 11 và tháng 12 |
| Cửa hàng không phải bản dùng thử | 22 | 34,900 | 1 trên 6 | Không có |
Làm thế nào để kiểm tra xem một mối tương quan có phải là quan hệ nhân quả không?
Kiểm chứng một mối tương quan bằng cách lần lượt loại trừ ba cách giải thích khác, rồi khi có thể, thực hiện một phép so sánh công bằng trong đó chỉ có yếu tố bị nghi là nguyên nhân là khác nhau. Mỗi bước dưới đây là một câu hỏi bạn đặt ra với dữ liệu trước khi có ai chi tiền.
1. Tìm yếu tố gây nhiễu
Yếu tố gây nhiễu là yếu tố thứ ba ảnh hưởng đến cả hai thứ bạn đang so sánh. Tại Larkfield, quy mô cửa hàng và mùa trong năm có thể là những yếu tố như vậy: cửa hàng lớn vốn đã bán được nhiều hơn, còn tháng mười một và tháng mười hai là mùa cao điểm của đồ dùng nấu nướng. Hãy hỏi xem hai nhóm còn khác nhau ở điểm nào khác.
2. Kiểm tra chiều tác động
Quan hệ nhân quả ngược nghĩa là kết quả thực ra lại gây ra điều được cho là nguyên nhân. Nếu quản lý khu vực tổ chức buổi giới thiệu sản phẩm cho những cửa hàng vốn đã kinh doanh tốt, thì doanh số tăng dẫn đến việc tổ chức buổi giới thiệu, chứ không phải ngược lại. Hãy hỏi các nhóm được lựa chọn như thế nào.
3. Cân nhắc yếu tố ngẫu nhiên
Với tám cửa hàng và một quý, chênh lệch có thể xuất hiện do ngẫu nhiên, nhất là nếu ai đó đã xem xét nhiều chương trình khuyến mãi rồi chỉ báo cáo chương trình nổi bật nhất. Hãy hỏi đã thực hiện bao nhiêu phép so sánh và liệu quy luật đó có còn đúng trong một giai đoạn khác không.
4. So sánh các đối tượng tương đồng
So sánh các cửa hàng có trình diễn với những cửa hàng tương tự không có trình diễn trong cùng các tuần: cửa hàng lớn với cửa hàng lớn, cửa hàng nhỏ với cửa hàng nhỏ. Nếu phần lớn chênh lệch biến mất, thì chính các yếu tố gây nhiễu đã tạo ra khác biệt.
5. Tiến hành thử nghiệm
Cách kiểm chứng chắc chắn nhất là thử nghiệm có đối chứng: chọn các cửa hàng tương đồng, phân bổ ngẫu nhiên hoạt động trình diễn sản phẩm cho một nửa số cửa hàng trong cùng các tuần, rồi so sánh. Việc phân bổ ngẫu nhiên giúp cân bằng quy mô, vị trí và lịch sử kinh doanh, nên nếu vẫn còn khác biệt thì khả năng cao hơn nhiều là do hoạt động trình diễn.
Cách diễn giải dữ liệu Larkfield chưa tốt và cách đã cải thiện khác nhau như thế nào?
Cách diễn giải thiếu thận trọng tin ngay vào bản tóm tắt của AI: 'Trình diễn sản phẩm làm tăng doanh số 18%, vì vậy hãy triển khai ở mọi nơi.' Cách hiểu này biến chênh lệch quan sát được giữa hai nhóm khác nhau về quy mô, mùa vụ và cách lựa chọn thành lời hứa về điều sẽ xảy ra tại 22 cửa hàng khác.
Phần diễn giải được cải thiện nêu: 'Các cửa hàng có trình diễn sản phẩm bán nhiều hơn 18% mỗi tuần, nhưng phần lớn là những điểm bán lớn nhất của chúng ta, tổ chức trình diễn trong hai tháng đông khách nhất và được quản lý khu vực lựa chọn. Khi so sánh năm cửa hàng lớn có trình diễn với các cửa hàng lớn không trình diễn trong cùng những tuần đó, chênh lệch vào khoảng 4%, nằm trong mức biến động thông thường giữa các tuần. Chúng ta chưa thể kết luận việc trình diễn có giúp ích hay không. Đề xuất: thử nghiệm sáu tuần tại 12 cửa hàng quy mô vừa có đặc điểm tương đồng, chọn ngẫu nhiên sáu cửa hàng để tổ chức trình diễn, đo doanh số dụng cụ nấu ăn và số giờ làm của nhân viên.' Phiên bản này cho hội đồng quản trị biết điều gì đã rõ, điều gì chưa rõ và cách tìm hiểu, đổi lại là chậm thêm một tháng.
Các bản tóm tắt của AI có thể khiến bạn hiểu sai về mối tương quan như thế nào?
Bản tóm tắt của AI thường gây hiểu lầm nhất khi mô tả mối tương quan bằng những từ hàm ý nhân quả như 'thúc đẩy', 'dẫn đến', 'làm tăng' hoặc 'do', khiến một quy luật quan sát được nghe như tác động đã được chứng minh. Mô hình ngôn ngữ viết những lời giải thích trôi chảy về số liệu; nó không biết các cửa hàng đã được chọn như thế nào trừ khi bạn nói rõ, và hiếm khi tự nêu rằng nó không thể phân biệt nguyên nhân với sự trùng hợp.
Bạn có thể giảm vấn đề này bằng cách cung cấp cho trợ lý bối cảnh còn thiếu (cách chọn các nhóm, thời gian, cỡ mẫu) và yêu cầu trợ lý tách biệt những gì dữ liệu cho thấy với những cách giải thích có thể có. Sau đó, đọc đầu ra để tìm các động từ hàm ý quan hệ nhân quả và thay từng động từ bằng điều thực sự quan sát được, ví dụ 'các cửa hàng tổ chức giới thiệu sản phẩm cũng có doanh số cao hơn'.
Làm thế nào để kiểm chứng một nhận định về quan hệ nhân quả trước khi hành động dựa trên nhận định đó?
Kiểm tra một nhận định về quan hệ nhân quả bằng cách hỏi các nhóm được chọn như thế nào, nguyên nhân có xảy ra trước kết quả ở cả hai nhóm hay không, chênh lệch có còn tồn tại trong giai đoạn khác hoặc với mẫu lớn hơn không, và phần tóm tắt có dùng cách nói 'có liên quan đến' khi bằng chứng chỉ cho thấy mối tương quan hay không. Viết câu trả lời bên cạnh nhận định trước khi có người phê duyệt chi tiêu.
Những sai lầm thường gặp về tương quan và quan hệ nhân quả là gì?
Sai lầm phổ biến nhất là triển khai thay đổi vì bảng điều khiển cho thấy chênh lệch mà không hỏi các nhóm được hình thành như thế nào. Những sai lầm khác gồm: coi hệ số tương quan cao là bằng chứng, chỉ báo cáo chương trình khuyến mãi duy nhất có vẻ hiệu quả trong số hai mươi chương trình, quên yếu tố mùa vụ, và cho rằng không có tương quan nghĩa là không có tác động. Sai lầm ngược lại cũng gây tốn kém: từ chối hành động cho đến khi hoàn toàn chắc chắn, trong khi một thử nghiệm ngẫu nhiên nhỏ thường không tốn nhiều chi phí.
Bài học này nằm ở đâu trên Tosheo.ai?
Bài học này thuộc danh mục khoa học và phân tích dữ liệu, được đưa vào đầu khóa học khoa học dữ liệu vì mọi chủ đề sau đó, từ bảng tổng quan đến học máy, đều đòi hỏi không nhầm lẫn quy luật quan sát được với nguyên nhân. Trong Tosheo.ai, bài thực hành cung cấp một bộ dữ liệu giả định và bản tóm tắt do AI viết; phản hồi theo bảng tiêu chí sẽ chỉ ra từng nhận định về quan hệ nhân quả mà dữ liệu không đủ cơ sở chứng minh. Đây là kiến thức nền tảng phục vụ công việc, không phải chương trình cấp bằng thống kê.
Nguồn và phạm vi
Cục Thống kê Úc: tương quan và quan hệ nhân quả (đã kiểm tra ngày 19 tháng 10 năm 2026) ↗