सहसंबंध का अर्थ कारण नहीं: अपने मूड डेटा को सही ढंग से पढ़ें

वह क्षण जब ऐप ने "कुछ खोज निकाला"

आप कुछ हफ्तों से अपना मूड ट्रैक कर रहे हैं। फिर विश्लेषण आपको एक संबंध दिखाता है: "कॉफी वाले दिनों में आपका मूड बेहतर रहता है।" पहली प्रतिक्रिया स्पष्ट है। ज्यादा कॉफी, बेहतर मूड।

दुर्भाग्य से ऐसा काम नहीं करता। यह वाक्य एक सहसंबंध, यानी एक साथ घटित होने का वर्णन करता है। कारण के बारे में यह कुछ नहीं कहता। ठीक यहीं सेल्फ-ट्रैकिंग की सबसे आम गलत-निष्कर्ष की भूलें होती हैं, और ठीक यहीं तय होता है कि आपका डेटा आपकी मदद करता है या आपको भटका देता है।

यह लेख हर उस व्यक्ति के लिए शुरुआती डेटा साक्षरता है जो मूड, नींद या कारकों को मापता है। कोई सांख्यिकी की कक्षा नहीं, बल्कि चार तर्क-दोष और उन्हें कैसे टालें।

सहसंबंध का क्या अर्थ है, और क्या नहीं

एक सहसंबंध मापता है कि दो राशियां कितनी मजबूती से एक साथ बदलती हैं। यह मान माइनस एक और प्लस एक के बीच होता है। इससे ज्यादा इसमें कुछ नहीं है। एक सहसंबंध में न कोई दिशा होती है और न कोई कारण, यह केवल इस रूप का एक अवलोकन है कि "ये दो चीजें एक साथ चलती हैं"।

इसका सबसे प्रसिद्ध प्रमाण टायलर विगेन की Spurious Correlations हैं। वहां मार्जरीन की खपत मेन राज्य में तलाक की दर के साथ लगभग पूर्ण रूप से सहसंबद्ध होती है। कोई यह दावा नहीं करेगा कि एक दूसरे का कारण है। ये रेखाएं संयोग से समानांतर चलती हैं।

विज्ञान में भी यह विभेद अपने आप में एक विषय है। सांख्यिकीविद् नाओमी ऑल्टमैन और मार्टिन क्रिजीविंस्की इसे Nature Methods में एक सूत्र में रखते हैं: सहसंबंध का अर्थ संबद्धता है, पर कारणता नहीं। आपके डेटा में यह बस कम स्पष्ट होता है।

चार सबसे आम तर्क-दोष

1. उलटी दिशा। ऐप कहता है: "ज्यादा व्यायाम वाले दिनों में आपका मूड बेहतर रहता है।" विपरीत दिशा भी उतनी ही संभावित है। जिन दिनों आप वैसे भी अच्छा महसूस करते हैं, उन दिनों आप अधिक बाहर निकलते हैं और व्यायाम करते हैं। तब अच्छा मूड व्यायाम को उत्पन्न करता है, उल्टा नहीं। अक्सर दोनों दिशाएं एक साथ काम करती हैं।

2. छिपा हुआ तीसरा कारक। सबसे धोखेबाज भूल। दो चीजें इसलिए सहसंबद्ध होती हैं क्योंकि एक तीसरी, अनमापी चीज दोनों को चलाती है। कॉफी वाले दिनों में आपका मूड बेहतर रहता है? असली कारण नींद हो सकती है। एक अच्छी रात के बाद आप अधिक जागरूक होते हैं, आपमें अधिक उत्साह होता है और आप अपनी कॉफी का आनंद लेते हैं। नींद कन्फाउंडर है, कॉफी बस साथ चलती है।

3. कम डेटा के साथ संयोग। दस दिनों के साथ लगभग हमेशा कोई न कोई संबंध मिल ही जाता है, केवल संयोग से। जितने अधिक कारक आप एक साथ विश्लेषित करते हैं और जितने कम दिन आपके पास होते हैं, उतनी ही अधिक संभावना है कि कोई पैटर्न केवल शोर हो। आपको कितने दिन चाहिए, यह स्पष्ट करता है कितने दिन की ट्रैकिंग के बाद पैटर्न दिखते हैं।

4. बाद में गढ़ी गई कहानी। हमारा मस्तिष्क लगभग हर डेटा बिंदु के लिए एक कहानी ढूंढ लेता है। "बेशक, इसीलिए मंगलवार इतना खराब रहा।" ये कहानियां इसलिए विश्वसनीय लगती हैं क्योंकि वे डेटा के बाद बनती हैं और पूरी तरह फिट बैठती हैं। परीक्षण यह है: क्या आपने इसे पहले से भी इसी तरह भविष्यवाणी की होती?

फिर भी ठोस निष्कर्ष कैसे निकालें

सहसंबंध बेकार नहीं है, वह शुरुआत है। इससे अधिक कैसे पाएं:

एक निजी व्यक्ति के लिए सबसे मजबूत साधन स्वयं पर किया गया प्रयोग है। जब आप किसी कारक को केवल देखने के बजाय जानबूझकर बदलते हैं, तो आप एक वास्तविक कारण-प्रभाव परीक्षण के करीब पहुंचते हैं। क्रिया डेटा उत्पन्न करती है, केवल अवलोकन नहीं। और समय पर ध्यान दें: यदि सोमवार की खराब नींद मंगलवार के कम मूड से जुड़ी है, तो दिशा कम से कम संभावित है। इस पर और जानकारी नींद आपके मूड को कैसे प्रभावित करती है में।

InnerPulse "अवलोकन" की बात क्यों करता है

ठीक इसीलिए InnerPulse अपने विश्लेषणों को निदान नहीं, बल्कि अवलोकन के रूप में प्रस्तुत करता है। "व्यायाम वाले दिनों में आपने 40 प्रतिशत अधिक बार अच्छा खाया" जैसा वाक्य जानबूझकर वर्णनात्मक है। यह किसी कारण का दावा नहीं करता, यह आपको स्वयं आगे सोचने के लिए आमंत्रित करता है। ऐप इन पैटर्न को कैसे बनाता है, यह समझाता है मूड में पैटर्न पहचानना, और बड़ा ढांचा प्रदान करता है InnerPulse गाइड।

यह सावधानी आत्मविश्वास की कमी नहीं, बल्कि इस बात का ईमानदार व्यवहार है कि अवलोकन डेटा क्या दे सकता है। जो इससे अधिक का वादा करता है, वह आपको एक ऐसी निश्चितता बेचता है जो डेटा नहीं देता।

साथ ले जाने योग्य एक वाक्य

अगली बार जब आपका ऐप आपको कोई संबंध दिखाए, तो मन ही मन "कारण है" को "से जुड़ा है" से बदल दें और एक प्रश्न जोड़ें: "अगर मैं इसे बदलूं तो क्या होगा?" यह छोटा सा पुनर्सूत्रीकरण एक लुभावने आभासी सत्य को एक उपकरण में बदल देता है। आपका डेटा शायद ही कभी कुछ सिद्ध करता है, पर यह आपको विश्वसनीय रूप से दिखाता है कि कहां गौर से देखना सार्थक है।

यह लेख चिकित्सकीय सलाह का स्थान नहीं लेता। यह आपको अपने स्वयं के अवलोकनों को बेहतर ढंग से समझने में मदद करता है।

आगे पढ़ें

• कितने दिन की ट्रैकिंग के बाद पैटर्न दिखते हैं पर्याप्त डेटा के प्रश्न को स्पष्ट करता है।
• मूड में पैटर्न पहचानना दिखाता है कि व्यवहार में संबंधों की व्याख्या कैसे करें।
• 90 दिन की मूड ट्रैकिंग: एक अनुभव रिपोर्ट दिखाता है कि समय के साथ पैटर्न कैसे उभरते हैं।
• डिप्रेशन में स्ट्रीक्स क्यों हानिकारक हैं समझाता है कि अधिक डेटा अपने आप बेहतर क्यों नहीं होता।
• वैज्ञानिक संदर्भ: Altman & Krzywinski, Nature Methods (2015)
• स्पष्ट उदाहरण: Tyler Vigen की Spurious Correlations