Régression, corrélation et causalité

Vérifier si deux variables sont corrélées est l'un des outils les plus utiles en analyse de données — cela peut révéler une relation réelle sur laquelle agir, ou montrer qu'un facteur qu'on croyait important ne l'est en fait pas. Mais il est aussi facile de se laisser tromper : une corrélation forte peut être une coïncidence, provenir d'un facteur caché commun, ou même s'inverser complètement une fois les données séparées en sous-groupes. Les six petites démonstrations interactives ci-dessous couvrent les deux aspects — deux sur le fonctionnement de la régression linéaire, et quatre sur les façons dont la corrélation peut induire en erreur si on la prend pour argent comptant.

Choisissez un onglet ci-dessous pour en essayer une.

Ce que cet outil enseigne : Ajustez une droite de régression, faites varier la force d'une corrélation et explorez le quatuor d'Anscombe, les corrélations fallacieuses, les variables de confusion et le paradoxe de Simpson. L'outil présente le coefficient de corrélation et explique pourquoi une corrélation n'établit pas une causalité.