“Korelasyon nedensellik anlamına gelmez” – bu cümleyi istatistik derslerinde sıkça duymuşsunuzdur. Ancak gerçek hayatta bu ilke ne kadar sık ihlal edilir! Bu yazıda, korelasyon ve nedensellik arasındaki farkı, neden karıştırıldığını ve doğru analiz için nelere dikkat etmeniz gerektiğini ele alacağız.

Korelasyon Nedir?

Korelasyon, iki değişken arasındaki doğrusal ilişkinin gücünü ve yönünü ölçen istatistiksel bir kavramdır. -1 ile +1 arasında değer alır:

• +1: Mükemmel pozitif korelasyon
• 0: Hiç korelasyon yok
• -1: Mükemmel negatif korelasyon

Korelasyon Türleri

1. Pozitif Korelasyon: Bir değişken artarken diğeri de artar
2. Negatif Korelasyon: Bir değişken artarken diğeri azalır
3. Sıfır Korelasyon: Değişkenler arasında doğrusal ilişki yok

Nedensellik Nedir?

Nedensellik (Causation), bir değişkenin diğerini doğrudan etkilediği durumu ifade eder. A değişkeni B değişkeninin nedeniyse, A’daki değişiklik B’de değişikliğe yol açar.

Nedensellik Kriterleri

1. Zamansal Sıra: Neden, sonuçtan önce gelmelidir
2. Birlikte Değişim: Neden değiştiğinde sonuç da değişmelidir
3. Üçüncü Faktör Kontrolü: Başka açıklayıcı faktör olmamalıdır

Klasik Yanıltıcı Örnekler

1. Dondurma Satışı ve Boğulma Vakalarında Artış

Gözlem: Yazın hem dondurma satışları hem de boğulma vakaları artıyor (pozitif korelasyon)

Yanlış Sonuç: “Dondurma yemek boğulma riskini artırır”

Gerçek: Her ikisini de etkileyen üçüncü faktör var → Sıcak hava

• Sıcak havada insanlar daha çok dondurma yer
• Sıcak havada insanlar daha çok denize/havuza girer

2. İtfaiyeci Sayısı ve Yangın Hasarı

Gözlem: Bir yangında itfaiyeci sayısı ile hasar miktarı arasında pozitif korelasyon

Yanlış Sonuç: “Daha fazla itfaiyeci daha çok hasara neden oluyor”

Gerçek: Büyük yangınlarda hem daha çok itfaiyeci çağrılır hem de hasar daha büyük olur

3. Eğitim Seviyesi ve Gelir

Gözlem: Eğitim seviyesi ile gelir arasında güçlü pozitif korelasyon

Dikkatli Sonuç: “Eğitim geliri artırabilir” (muhtemel nedensellik)

Ama Dikkat:

• Sosyoekonomik durum her ikisini de etkileyebilir
• Doğuştan yetenek faktörü
• Aile bağlantıları etkisi

Neden Bu Hata Bu Kadar Yaygın?

1. İnsan Beyninin Arama Eğilimi

İnsanlar doğal olarak neden-sonuç ilişkisi arar. Bu evrimsel bir avantajdır ama istatistiksel analizde tuzağa düşürür.

2. Medya ve Habercilik

Başlık: “Kahve İçenler Daha Uzun Yaşıyor!” Gerçek: Kahve içenler genellikle daha yüksek sosyoekonomik seviyede, daha iyi sağlık hizmetlerine erişimi var.

3. İş Dünyasında Hızlı Karar Baskısı

Yöneticiler hızlı aksiyon almak isterler. “A ile B ilişkili, o zaman A’yı değiştirelim” yaklaşımı.

Gerçek Hayattan Örnekler

Marketing Örneği

Durum: E-posta kampanyası sonrası satışlarda %20 artış gözlemlendi.

Yanlış Sonuç: “E-posta kampanyası satışları %20 artırdı”

Doğru Analiz:

• Aynı dönemde TV reklamı da vardı
• Mevsimsel etki (tatil öncesi)
• Rakibin kampanya durdurması
• Kontrol grubu olmadan nedensellik kurulamaz

HR Örneği

Durum: Uzaktan çalışan personelin performansı daha yüksek.

Yanlış Sonuç: “Herkes uzaktan çalışmalı”

Doğru Analiz:

• Uzaktan çalışanlara seçilme kriteri var mı?
• Farklı departmanlar/roller var mı?
• Performans ölçümü objektif mi?

Sağlık Örneği

Durum: Vitamin D seviyesi düşük olanlar daha çok hastalanıyor.

Yanlış Sonuç: “Vitamin D eksikliği hastalık yapıyor”

Doğru Analiz:

• D vitamini eksikliği genel sağlık durumunun göstergesi olabilir
• Yaşam tarzı faktörleri (güneş ışığı, beslenme, egzersiz)
• Sosyoekonomik faktörler

Nedensellik Nasıl Test Edilir?

1. Randomize Kontrollü Deneyler (RCT)

Altın Standart: Katılımcıları rastgele gruplara ayırma

Örnek:

• Grup A: Yeni pazarlama stratejisi
• Grup B: Mevcut strateji
• Rastgele atama + kontrollü koşullar = nedensellik

2. Doğal Deneyler

Doğada/toplumda oluşan rastgele durumları kullanma

Örnek: Eğitim yaşı değişikliği kanunları, lokavut kuralları

3. Instrumental Variables (IV)

Dışsal bir değişkenin etkisini kullanarak nedensellik kurma

4. Regression Discontinuity

Belirli bir eşik değeri etrafındaki karşılaştırmalar

5. Difference-in-Differences (DiD)

Zaman öncesi/sonrası + kontrol/müdahale grubu karşılaştırması

Korelasyon Analizinde Dikkat Edilecekler

1. Üçüncü Faktör Kontrolü

Örnek: Yaş kontrol edildiğinde ilişki kaybolur mu?
- İlk analiz: Egzersiz ↔ Kalp sağlığı (r = 0.6)
- Yaş kontrolü sonrası: Egzersiz ↔ Kalp sağlığı (r = 0.2)

2. Zamansal Sıra

Hangisi önce?

• Başarı → Motivasyon mı?
• Motivasyon → Başarı mı?
• İkisi de birbirini etkiliyor mu?

3. Örneklem Yanlılığı

• Kimler çalışmaya dahil edildi?
• Kimler dışlandı?
• Bu seçim sonucu etkiliyor mu?

4. Ölçüm Hataları

• Her iki değişken de doğru ölçülüyor mu?
• Sistematik hatalar var mı?
• Güvenilirlik nasıl?

Veri Analizinde Pratik Öneriler

Korelasyon Bulduğunuzda Sorun:

1. “Bu ilişki sahte olabilir mi?”
2. “Üçüncü bir faktör var mı?”
3. “Ters nedensellik mümkün mü?”
4. “Örneklemim temsili mi?”

Raporda Kullanılacak Dil:

❌ Kaçının:

• “A, B’ye neden olur”
• “A, B’yi etkiler”
• “A’dan dolayı B artar”

✅ Kullanın:

• “A ile B arasında ilişki var”
• “A ve B birlikte değişiyor”
• “A, B’nin göstergesi olabilir”
• “Daha fazla araştırma gerekli”

İş Dünyasında Uygulamalar

Müşteri Segmentasyonu

Korelasyon: Premium ürün alımı ile gelir düzeyi Nedensellik Testi: Geliri artan müşteriler premium ürüne geçiyor mu?

Çalışan Performansı

Korelasyon: Eğitim saati ile performans Nedensellik Testi: Rastgele seçilen çalışanlara ek eğitim verme

Pazarlama Optimizasyonu

Korelasyon: Reklam harcaması ile satış Nedensellik Testi: A/B test, geo-test, incrementality test

Yaygın Hatalar ve Çözümleri

Hata 1: “İstatistiksel anlamlılık = Nedensellik”

Çözüm: P-değeri sadece ilişkinin varlığını gösterir, nedenselliği değil.

Hata 2: “Güçlü korelasyon = Güçlü nedensellik”

Çözüm: r=0.9 bile sahte korelasyon olabilir.

Hata 3: “Korelasyon yoksa nedensellik de yok”

Çözüm: Doğrusal olmayan ilişkiler olabilir.

Sonuç ve Öneriler

Korelasyon ve nedensellik ayrımı, veri analizi yaparken en kritik konulardan biridir. Bu ayrımı gözetmemek:

• Yanlış iş kararlarına yol açar
• Kaynak israfına neden olur
• Yanlış stratejilere götürür
• Güvenilirliği zedeler

Son Tavsiyeler:

1. Her korelasyona şüpheyle yaklaşın
2. Kontrol değişkenlerini dahil edin
3. Mümkünse deneysel tasarım kullanın
4. Uzman görüşü alın
5. Sonuçları temkinli raporlayın

---

The Analytics Suite olarak, korelasyon analizleri yaparken nedensellik tuzaklarına düşmemeniz için profesyonel destek sağlıyoruz. Deneysel tasarım, kontrol değişkeni seçimi ve doğru istatistiksel yorumlama konularında uzman danışmanlık hizmeti için bizimle iletişime geçin.