Post hoc en Cum hoc misvattingen

Goeiedag, ik ben Jozef Van Giel en dit is de podcast “kritisch denken”. Het is vandaag 29 maart 2009 en dit is de zesde aflevering van deze podcast. Deze aflevering is ook het derde deel van een reeks die gaat over logische misvattingen. De tekst van deze reeks is gebaseerd op een vertaling van een tekst van Steven Novella van The Skeptics guide to the Universe. De originele tekst heet Logical fallacies en je kan het vinden op hun website. Vanaf mijn website kan je een link vinden naar dat document.

In de vorige afleveringen heb ik de volgende logische misvattingen besproken: “Non sequitur”, “magisch denken”, “het autoriteitsargument”, “beroep doen op emotie” en “Het argument van het uiteindelijk resultaat of de gevolgen”. In deze aflevering bespreek ik twee argumenten die soms moeilijk te onderscheiden zijn van juiste argumenten. Deze argumenten zijn redeneerfouten op het principe van oorzaak en gevolg.

Dit is waarschijnlijk de meest voorkomende logische misvatting. Het volgt het model “A komt voor B, dus is B het gevolg van A” en daarom veronderstelt het een gevolg en effect tussen twee gebeurtenissen alleen maar omdat ze gerelateerd zijn in tijd. (het Latijnse “post hoc ergo propter hoc” is te vertalen als “hierna, daarom hierdoor”) Deze logische misvatting wordt regelmatig opgeroepen bij de verdediging van vele vormen van alternatieve geneeswijze zoals “Ik was ziek, ik nam behandeling A, ik werd beter, dus maakte behandeling A mij beter”. Het is heel goed mogelijk om te genezen van een ziekte zonder enige behandeling.

Hou er rekening mee (zoals bij correlatie en oorzakelijke misvatting, hieronder beschreven) dat het mogelijk is dat A wel degelijk B veroorzaakte. De misvatting bestaat in het veronderstellen van een causaliteit. Het is nog altijd geldig om causaliteit te argumenteren als er onafhankelijk bewijs is dat een causaal verband ondersteunt via andere interpretaties zoals overeenstemming.

Dat maakt dit argument net zo moeilijk om te begrijpen. Mensen trappen systematisch in deze val en gaan ervan uit dat als een gebeurtenis volgt op een actie die ze namen om die gebeurtenis uit te lokken, dat er automatisch een oorzakelijk verband is tussen beiden. Op basis van een dergelijk feit kan je eigenlijk niets besluiten, behalve dan dat er een situatie is die de moeite waard is om verder bestudeerd te worden als dat nog niet eerder het geval was.

Toen ik een kleine jongen was en bij de tandarts ging, heb ik het volgende meegemaakt: Die tandarts had een boor die hij snel en traag kon laten draaien. Op het handvat zaten geen knopjes. Ik vroeg hem toen hoe hij die boor bediende want met zijn ene hand hield hij de boor zonder knopjes vast en met de andere hand hield hij een spiegeltje vast om achter mijn tanden te kijken zodat hij ook die hand niet kon gebruiken om een paneel te bedienen. Hij vertelde me dat hij die boor bediende met zijn gedachten. Toen liet hij mij ook proberen, legde het toestel in mijn hand en vertelde me dat het wat oefening vergt, en dat ik me goed moest concentreren. Ik begon me dus te concentreren en inderdaad, de boor begon te draaien. Eerst traag, dan wat snellen, weer wat trager. Dan viel ze stil. De tandarts zei dat ik me beter moest concentreren en inderdaad, de boor begon weer te draaien. Ik was dus overtuigd dat die boor inderdaad met gedachten bediend kon worden want als ik me concentreerde begon ze te draaien. Totdat ik naar beneden keek en zag dat de tandarts een voetpedaal had waarmee hij de boor bediende.

Mensen die een technologisch beroep hebben ervaren dikwijls dit soort misvatting bij het zoeken naar oplossingen voor een probleem. Hoe dikwijls gebeurt het niet dat een programmeur een probleem probeert op te lossen, daarbij enkele aanpassingen aan het programma doet en vaststelt dat het probleem zich niet meer voordoet. Dat dan veel later het probleem opnieuw opduikt en dat een analyse van het programma aantoont dat de toen gemaakte aanpassing het probleem helemaal niet oploste, maar dat het gewoon toeval was dat na de ingreep het programma niet meer in de fout ging.

Een probleem met het nemen van medicatie of een geneeskundige behandeling is dat we maatregelen beginnen te nemen op het moment dat we ons echt slecht beginnen te voelen. Maar dikwijls is dat juist het moment dat de ziekte aan zijn piek gekomen is en op de terugweg is. Het gevolg is dat het daarna beter gaat. Als je dan op dat moment of net daarvoor een pilletje genomen hebt, of een behandeling kreeg, dan ga je er automatisch van uit dat de genomen behandeling de oorzaak is van de verbetering. Dit voorbeeld legt uit dat je onmogelijk op basis van persoonlijke ervaringen kan nagaan of een behandeling echt werkt of niet. Hoe je dat dan wel kan zal ik in een latere podcast uitleggen als ik spreek over dubbelblinde proeven. Merk op dat je op dat vlak zelfs heel straffe verhalen kan horen van mensen die jarenlang een reguliere behandeling volgden en die dan, op het moment dat ze overstapten om een alternatieve, plots snel verbeterden.

Met deze voorbeelden mag je me zeker niet misverstaan! Als ik zulke verhalen hoor van mensen die het zelf meemaakten, dan zal ik ze bijna altijd geloven! Dat betekent dat ik er meestal van overtuigd ben dat die mensen, wat ze vertellen, ook effectief ervaren hebben. Maar dat betekent nog niet dat ik hen volg in het besluit dat ze uit het verhaal trekken, namelijk dat de geneeswijze die ze toepasten ook de oorzaak is van hun genezing. Meestal vragen ze me dan dat ik uitleg waarvan ze dan wel genezen zijn, en dat kan ik bijna nooit beantwoorden omdat ik niet alleen geen medicus ben, maar vooral omdat ik de specifieke situatie niet heb kunnen onderzoeken. Het is op dat moment een oncontroleerbaar feit. Ik kan niet alleen niet controleren of alles zo gelopen is zoals ze zeiden, ik kan ook niet controleren of alles wat ze me vertelden ook klopte. Als ik ze op dat moment zeg dat ik niet weet waarvan ze dan wel genezen zijn, besluiten ze dat het dus wel hun bewuste geneeswijze moet zijn. Op dat moment maken ze een andere logische misvatting, namelijk die van de valse dichotomie dat we binnen enkele afleveringen zullen bespreken.

Deze is gelijkaardig aan de ‘post hoc’ misvatting in die zin dat ze oorzaak en effect voor twee variabelen veronderstelt alleen maar omdat ze tezamen voorkomen. Deze misvatting wordt dikwijls gebruikt om een statistische correlatie een causale interpretatie te geven. Bijvoorbeeld: Tijdens de jaren ’90 waren zowel de religieuze beleving als het gebruik van illegale drugs in stijgende lijn (in de VS). Het zou een misvatting zijn om daaruit te besluiten dat religieuze beleving de oorzaak is van druggebruik. Het is ook mogelijk dat druggebruik leidt tot religieuze beleving, of dat beiden stijgen als gevolg van een derde variabele, zoals de stijging van de sociale onrust, of gewoon de populatie. Het is ook mogelijk dat beide variabelen totaal onafhankelijk van elkaar zijn en dat het eerder een toevallige samenloop van omstandigheden is dat beiden tegelijk stijgen.

Deze misvatting heeft echter een belangrijke tendens van misbruik, of verkeerd gebruik, om elk statistisch bewijs te ontkennen. In feite is dat ook een misvatting op zich, de ontkenning van causaliteit. Dit misbruik neemt twee basisvormen aan. Het eerste bestaat erin de significantie van correlaties te ontkennen die aangetoond werd met gecontroleerde gegevens, zoals die verkregen zouden worden tijdens een klinisch experiment. Het probleem met het veronderstellen van een causaal effect vanuit een pure correlatie is niet dat een causaal verband onmogelijk is; het is enkel dat er nog andere variabelen zijn die moeten overwogen worden en die niet a priori mogen uitgesloten worden. Een gecontroleerde test zal echter proberen om zoveel mogelijk variabelen te controleren.
Verder is het, zelfs met alleen epidemiologische, of statistische bewijzen, nog steeds mogelijk om een sterke wetenschappelijke case op te bouwen voor een specifieke oorzaak. De manier om dit te doen bestaat erin te kijken naar meerdere onafhankelijke correlaties om te zien of ze allemaal wijzen naar dezelfde causale relatie. Bijvoorbeeld, er werd vastgesteld dat sigaretten roken correleert met het krijgen van longkanker. De tabaksindustrie beriep zich op de “Correlatie is geen causaliteit” logische misvatting, en beweerde dat dit geen causaliteit aantoonde. Ze stelden als alternatieve uitleg “factor X” voor, een derde variabele die zowel roken als longkanker veroorzaakt. We kunnen echter voorspellingen maken op basis van de “roken veroorzaakt kanker” hypothese. Indien dit een juist causaal verband is, dan zou de duur van roken moeten correleren met het kankerrisico, stoppen met roken zou het kankerrisico moeten verlagen, het roken van ongefilterde sigaretten zou een hoger kankerrisico moeten geven dan filtersigaretten, enz. Als al die hypothesen juist blijken te zijn, en dat zijn ze, is de “roken veroorzaakt kanker” hypothese beter ondersteund dan enig ander mogelijk causaal verband en is het geen logische misvatting om uit deze bewijzen te besluiten dat roken waarschijnlijk longkanker veroorzaakt.

Veel mensen zullen niet zo verrast zijn over het bestaan van deze misvatting. Een heel populaire uitspraak die ik dikwijls hoor is: “Met statistieken kan je alles bewijzen”. Die uitspraak is niet helemaal fout, maar mensen die zo’n uitspraak doen gaan er daarna dikwijls van uit dat het daarmee gedaan is en dan stoppen ze met nadenken. Dat is verkeerd. Goede statistiek is een zeer moeilijke discipline en wordt heel dikwijls slecht gebruikt om verschillende redenen. De meest voorkomende reden is omdat veel mensen niet echt bedreven zijn in het uitvoeren van goede statistiek. Een tweede reden is dat men statistiek gebruikt als een manier van rationaliseren. Met andere woorden, men is overtuigd van een bepaald feit en probeert dan statistieken zo op te bouwen dat ze die overtuiging bewijzen. Heel dikwijls is het probleem een combinatie van beiden. Ook in een bedrijfssituatie kom je dat dikwijls tegen. Iemand die absoluut een bepaald project wilt goedgekeurd krijgen zal deze methoden bewust of onbewust gebruiken. Aangezien de managers die dan de beslissing moeten nemen dikwijls de tijd niet hebben om de studie in detail te onderzoeken slagen deze methoden meestal. Een typisch voorbeeld is dat men voor zo’n studie een verwachte winst uitrekent, maar daarbij niet vertelt hoe men de cijfers verzamelde om die winst te berekenen en ook geen waarschijnlijkheidsgebied aangeeft.

Statistiek moet op een wiskundig verantwoorde manier uitgevoerd worden en het is belangrijk om bij de rapportering alle gegevens te vermelden. Hoe dikwijls zie je in rapporten iets als: “het gemiddelde is 42”. Dat cijfer is meestal volledig nutteloos. Het is belangrijk om daarbij ook de vertellen hoe variabel de gegevens zijn waarvoor dat gemiddelde berekend werd. Die variatie wordt aangegeven met de standaardafwijking. Als het om een steekproef gaat, dan is het ook belangrijk om te vermelden hoe groot de populatie van de steekproef is en hoe ze geselecteerd werd. Zijn bepaalde meetgegevens achteraf weggelaten? Alle punten die in rekening moeten gebracht worden bij een goede statistiek kunnen we hier niet behandelen. Je kan daar natuurlijk een goede cursus voor volgen. Als die statistiek dan volgens de regels van de kunst uitgevoerd wordt, dan is ze zelfs één van de krachtigste instrumenten van het wetenschappelijk onderzoek. In feite wordt statistiek zelfs in zo goed als elk onderzoek gebruikt. Als een astronoom bijvoorbeeld de roodverschuiving van een ster probeert te meten, dan doet hij dat niet één keer, maar zal hij verschillende metingen in verschillende omstandigheden en met verschillende meetinstrumenten uitvoeren en die dan samen statistisch verwerken om toevallige fouten te elimineren.
In het begin van het millennium was er in de bedrijfswereld een grote hype die voor een groot deel gebaseerd was op deze misvatting. De hype heette Datamining. Dat is een techniek waarbij een computerprogramma gegevens van de meest diverse soorten naast elkaar legt en een correlatie tussen beide lijsten probeert te vinden. De belofte bestaat erin dat managers op die manier naar oorzaken kunnen zoeken die de winst van het bedrijf kunnen beïnvloeden. De waarheid is dat er heel veel correlaties gevonden worden die slechts schijnbaar zijn of helemaal geen oorzakelijk verband hebben.

Het feit dat we zo gemakkelijk vallen voor deze twee logische misvattingen is heel goed uit te leggen vanuit de evolutieleer. Als je bijvoorbeeld vaststelt dat ruisen van het struikgewas dikwijls gevolgd wordt door het verschijnen van een tijger, dan heb je een overlevingsvoordeel als je steeds begint te vluchten wanneer het struikgewas begint te ruisen. Zelfs als er geen tijger uitkomt.

Dan hebben we verder enkel nog het citaat. Het citaat van vandaag komt van Dmitry Orlov. Orlov is een Amerikaanse inwijkeling van Russische afkomst. Hij is op zijn 12de met zijn ouders geïmmigreerd. Op basis van de ervaring die hij opdeed rond de ondergang van de Sovjetunie, heeft hij nu de ondergang van de Verenigde Staten voorspeld. Of hij gelijk heeft of niet moet natuurlijk nog blijken, maar zijn voorspelling moet niet geïnterpreteerd worden als een voorspelling zoals van een helderziende maar eerder als die van een econoom. Hij ziet parallellen in de huidige toestand van de VS en die van de Sovjet-Unie net voor de crash. De boodschap achter zo’n voorspelling is dan ook gelijkaardig aan die van een boek als Ondergang van Jared Diamond: “Leer uit het verleden en zorg ervoor dat je niet dezelfde fouten maakt.” Orlov zegt:

“Informatie verspreidt zich aan de snelheid van het licht terwijl onwetendheid instantaan is in elk punt van het universum.”

Tot de volgende keer.