Corrélation et causalité : méthode

Ce que tu vas savoir faire

Reconnaître une corrélation positive ou négative.
Lire forme et dispersion d'un nuage de points.
Identifier une relation non linéaire.
Comparer plusieurs histoires causales pour la même association.
Repérer causalité inverse et variable commune.
Choisir un verbe adapté à la preuve.

Avant de commencer

Lire deux variables dans un tableau ou un graphique.
Distinguer hausse et baisse.
Comprendre qu'une hypothèse doit être confrontée aux données.

Le chapitre en bref

Une corrélation est une association entre deux variables : elle est positive lorsqu'elles tendent à évoluer dans le même sens, négative lorsqu'elles tendent à évoluer en sens opposé. Pour la mettre en évidence, on compare des données portant sur le même champ et on observe un tableau ou un nuage de points : signe, forme, dispersion et valeurs atypiques. Mais une corrélation ne prouve pas une causalité. X peut agir sur Y, Y sur X, une troisième variable Z peut agir sur les deux, ou l'association peut venir de la sélection ou du hasard. Avec des données descriptives, écris « X est associé à Y » ; réserve « X cause Y » à un dispositif qui traite sérieusement les explications concurrentes.

1. Comment reconnaître une corrélation ?

Deux variables sont positivement corrélées lorsqu'elles tendent à augmenter ou diminuer ensemble. Elles sont négativement corrélées lorsqu'une hausse de l'une accompagne généralement une baisse de l'autre.

Dans un nuage de points, observe le sens général, la forme, la dispersion et les valeurs atypiques. Une tendance n'oblige pas chaque point à suivre exactement la même ligne.

Décris avant d'expliquer

SignePositif

IntensitéForte

FormeLinéaire

Quand X augmente, Y tend à augmenter dans ce champ ; le sens causal reste inconnu.

2. Une faible corrélation linéaire signifie-t-elle aucune relation ?

Un nuage en U peut présenter une relation forte mais non linéaire : la variable Y baisse puis augmente quand X progresse.

Un seul coefficient linéaire peut alors être proche de zéro. Regarde toujours le graphique avant de conclure à l'absence de relation.

Ce que r ne voit pas toujours

r linéaire+0,85

Relation visibleOui, linéaire

Le coefficient r résume correctement ici une tendance rectiligne.

3. Pourquoi la corrélation ne donne-t-elle pas la cause ?

La même association entre X et Y est compatible avec plusieurs histoires : X agit sur Y, Y agit sur X, une variable Z agit sur les deux, ou les données ont été sélectionnées d'une façon particulière.

Dessiner les flèches oblige à distinguer ce qui est observé de ce qui est supposé. Une histoire plausible reste une hypothèse tant que les alternatives ne sont pas testées.

Fais pivoter les flèches

HistoireEffet direct

Test utileVariation externe de X

La corrélation est compatible avec X causant Y, mais ne sélectionne pas cette histoire.

4. L'effet supposé peut-il aussi agir sur la cause ?

Le chômage peut affecter la santé, mais une santé dégradée peut aussi rendre l'emploi plus difficile. Une corrélation ne choisit pas automatiquement entre ces deux sens.

Vérifie l'ordre temporel et demande si une boucle est possible. Le fait que X précède Y aide, mais ne suffit pas si une autre variable influence les deux.

Teste le sens inverse

Les personnes en meilleure santé occupent plus souvent un emploi.

Demande-toi si l'effet supposé peut aussi modifier la cause.

5. Une troisième variable explique-t-elle les deux ?

La chaleur peut accroître à la fois certaines pollutions et certains problèmes de santé. Sans mesurer la météo, on risque d'attribuer à une seule variable un effet qui dépend aussi d'une cause commune.

Pour proposer Z, explique ses deux liens : pourquoi Z pourrait influencer X et pourquoi il pourrait influencer Y. Une simple troisième variable sans mécanisme n'est pas une explication.

Quelle cause commune manque ?

Pollution photochimique et admissions respiratoires augmentent les mêmes jours.

Cherche Z capable d'influencer X et Y.

6. Quel verbe les données autorisent-elles ?

Un tableau ou un nuage descriptif autorise « est associé à », « varie avec » ou « est corrélé à » dans un champ précis. Il n'autorise pas à lui seul « provoque ».

Des comparaisons mieux construites, une expérience ou une expérience naturelle peuvent renforcer l'argument causal. L'exigence de Seconde est d'abord de ne pas donner au verbe plus de force que la preuve.

Quel verbe la preuve autorise-t-elle ?

VerbeEst associé à

Menace principaleSens inverse et variables omises

Le nuage décrit l'association dans l'échantillon ; il ne suffit pas à isoler un effet.

Erreurs fréquentes

L'essentiel à mémoriser

Corrélation positive : même sens général.
Corrélation négative : sens opposés.
Toujours regarder la forme et la dispersion.
Une corrélation ne choisit pas la flèche causale.
Tester sens inverse et cause commune.
Le verbe suit le niveau de preuve.

Vérifier sa compréhension

Réponds aux 8 questions. Ton score et les réponses justes ou fausses apparaissent immédiatement.

Sans abonnement : ton score et les réponses justes ou fausses restent visibles. Les 2 premières corrections détaillées sont offertes.

1. X et Y augmentent généralement ensemble. La corrélation est… positive négative nécessairement causale

2. Quand le prix augmente, la quantité demandée baisse généralement. La relation observée est… négative positive sans variables

3. Un nuage assez dispersé peut-il encore montrer une tendance ? Oui Non, jamais Seulement si tous les points sont identiques

4. Une relation en U peut avoir… une faible corrélation linéaire malgré une forme structurée forcément une causalité certaine aucune variable

5. X et Y sont corrélés. Quelle histoire concurrente faut-il tester ? Z influence X et Y X cause obligatoirement Y le graphique choisit la cause

6. Emploi et santé sont associés. Il faut aussi examiner… les deux sens causaux possibles seulement emploi vers santé la couleur du graphique

7. Pour qu'une variable Z soit confondante, elle doit plausiblement… influencer X et Y être le titre du graphique être toujours invisible

8. Avec un simple nuage, la meilleure phrase est… X est associé à Y dans les données observées X cause Y partout et toujours Y ne peut jamais agir sur X

Réviser au bon moment

Révèle chaque réponse, puis indique la difficulté de ton rappel pour programmer la prochaine révision dans ce navigateur.