Corrélation et causalité en SES : comprendre la différence
Corrélation et causalité sont deux notions essentielles à maîtriser en SES. Mais attention : constater qu’un lien existe entre deux phénomènes ne suffit pas à prouver que l’un est la cause de l’autre. Dans cette page de cours de Terminale, découvre comment distinguer corrélation et causalité, comprendre les corrélations positives et négatives et identifier le rôle d’une éventuelle troisième variable, à travers des exemples simples et concrets.
Corrélation et causalité
Deux variables peuvent évoluer ensemble sans que l'une soit nécessairement la cause de l'autre.
Une corrélation désigne une relation statistique entre deux variables : lorsque l'une évolue, l'autre a tendance à évoluer également.
Une causalité signifie qu'une variable contribue directement à produire une modification de l'autre.
Corrélation positive
Deux variables sont positivement corrélées lorsqu'elles ont tendance à évoluer dans le même sens.
Par exemple, si une variable augmente généralement lorsque l'autre augmente, on observe une corrélation positive.
Corrélation négative
Deux variables sont négativement corrélées lorsqu'elles ont tendance à évoluer en sens inverse.
Mais corrélation ne signifie pas causalité
⚠️ C'est un point essentiel en SES.
Le fait d'observer que deux phénomènes évoluent ensemble ne permet pas, à lui seul, d'affirmer que l'un provoque l'autre.
Une troisième variable peut expliquer leur évolution commune : on parle alors de variable cachée ou de facteur commun.
Exemple
On peut observer qu'une population consomme davantage de glaces pendant les périodes où les noyades sont plus nombreuses.
Cela ne signifie évidemment pas que la consommation de glaces provoque les noyades. Une troisième variable, la température, peut expliquer les deux phénomènes :
températures plus élevées → davantage de consommation de glaces
températures plus élevées → davantage de baignades → davantage de noyades
Il existe donc une corrélation entre les deux variables sans relation causale directe entre elles.
Le réflexe à avoir
Face à une relation statistique, il faut se demander :
« Est-ce que l'une des variables explique réellement l'autre, ou existe-t-il un autre facteur qui pourrait expliquer leur évolution commune ? »
• Une causalité est une relation de cause à effet.
• Corrélation ne signifie pas causalité.
• Une troisième variable peut expliquer une évolution commune (variable cachée ou facteur commun).
• Toujours se demander si une autre explication est possible avant de conclure à une causalité.
• Cette distinction est indispensable pour analyser correctement les données économiques et sociales.
Exercice : corrélation ou causalité ?
Une étude statistique menée dans plusieurs villes françaises observe qu'au cours de l'été, plus les ventes de glaces augmentent, plus le nombre de noyades augmente également.
Questions
- Quelle relation statistique observe-t-on entre les ventes de glaces et le nombre de noyades ?
- Peut-on en déduire que la consommation de glaces provoque des noyades ? Justifiez votre réponse.
- Quelle variable pourrait expliquer l'augmentation simultanée des ventes de glaces et du nombre de noyades ?
- Expliquez en quelques lignes pourquoi corrélation ne signifie pas causalité.
Correction
1.
On observe une corrélation positive : lorsque les ventes de glaces augmentent, le nombre de noyades augmente également. Les deux variables évoluent donc dans le même sens.
2.
Non. Cette corrélation ne permet pas d'affirmer que la consommation de glaces provoque des noyades. Une corrélation entre deux variables ne suffit pas à établir une relation de causalité.
3.
La température peut constituer une troisième variable. Lorsqu'il fait chaud, les personnes achètent davantage de glaces et sont également plus nombreuses à se baigner, ce qui peut entraîner une augmentation du nombre de noyades.
4.
Une corrélation indique que deux variables évoluent de manière liée, mais elle ne permet pas, à elle seule, de déterminer qu'une variable est la cause de l'autre. Une troisième variable peut notamment influencer les deux phénomènes. Dans cet exemple, la température explique en partie pourquoi les ventes de glaces et les noyades augmentent simultanément.
Une corrélation entre deux variables ne permet pas nécessairement de conclure à une relation de causalité. Pour établir une causalité, il faut montrer qu'une modification d'une variable entraîne effectivement une modification de l'autre et écarter notamment l'influence d'autres variables.
Exercice 2 : une corrélation permet-elle de conclure à une causalité ?
Un économiste cherche à étudier le lien entre le niveau de diplôme et le revenu mensuel moyen. Il compare plusieurs catégories de personnes et représente les résultats dans le nuage de points ci-dessus.
Questions
- Décrivez la relation observée entre le niveau de diplôme et le revenu mensuel moyen.
- Peut-on parler de corrélation positive entre ces deux variables ? Justifiez votre réponse.
- Peut-on affirmer, à partir de ce graphique, qu'une année d'études supplémentaire provoque une augmentation du revenu ? Justifiez votre réponse.
- Citez deux variables qui pourraient également expliquer le niveau de revenu.
- Expliquez, en quelques lignes, pourquoi cet exemple montre qu'il faut distinguer corrélation et causalité.
Corrigé
1.
Le graphique fait apparaître une relation globalement croissante entre le niveau de diplôme et le revenu mensuel moyen. Les personnes ayant un niveau de diplôme plus élevé ont, en moyenne, un revenu plus important.
2.
Oui, il existe une corrélation positive entre les deux variables. Le nuage de points montre que, lorsque le niveau de diplôme augmente, le revenu mensuel moyen tend également à augmenter.
3.
Non. Le graphique permet uniquement de constater une corrélation. Il ne suffit pas à démontrer que l'augmentation du niveau de diplôme cause directement l'augmentation du revenu.
Pour établir une relation de causalité, il faudrait notamment prendre en compte les autres facteurs susceptibles d'influencer le revenu.
4.
Plusieurs variables peuvent intervenir, par exemple l'expérience professionnelle, le métier exercé, le secteur d'activité, le temps de travail ou encore le lieu de travail.
5.
Cet exemple montre qu'une corrélation ne signifie pas nécessairement causalité. Le graphique met en évidence une relation statistique entre le niveau de diplôme et le revenu, mais il ne permet pas, à lui seul, de déterminer si le diplôme est directement à l'origine de l'augmentation du revenu.
D'autres variables peuvent intervenir et expliquer tout ou partie de la relation observée.
Une corrélation indique que deux variables évoluent de manière liée. Elle ne suffit pas, à elle seule, à démontrer qu'une variable est la cause de l'autre.