Chyba post hoc: příklady a proč „potom“ neznamená „kvůli tomu“

Rangi vede provoz v malém obchodě s koly ve Wellingtonu. Začátkem září zaplatila majitelka Bettina designérovi za předělání webu. Na konci října byly tržby skoro o třetinu vyšší než v září a Bettina měla radost. „Líp jsme ty peníze utratit nemohli. Za to může nový web.“

Rangi by s ní rád souhlasil. Designér mu byl sympatický a web vypadá dobře. Jenže si také pamatuje, co se na Novém Zélandu děje každý rok mezi zářím a říjnem: dny se prodlužují, ubývá deště a lidé vytahují kola z garáže. Otevře loňský přehled tržeb. I loni byl říjen silnější než září, přestože obchod měl ještě starý web.

Nejdřív vznikl nový web, potom vzrostly tržby. To je vše, co Bettina skutečně ví. Zaměnit „potom“ za „kvůli tomu“ znamená dopustit se chyby post hoc, jednoho z nejpřirozenějších omylů v uvažování. V tomto článku si ukážeme, co chyba post hoc znamená, proč působí tak přesvědčivě, jak souvisí s rozdílem mezi korelací a kauzalitou a jakými pěti otázkami můžete prověřit, zda jedna věc opravdu způsobila druhou.

Co je chyba post hoc?

Chyba post hoc spočívá v závěru, že jedna událost způsobila druhou jen proto, že nastala dřív. Celý latinský název post hoc ergo propter hoc znamená „po tomto, tedy kvůli tomuto“.

Úvaha má dva kroky:

1. Stalo se A a potom se stalo B.
2. A tedy způsobilo B.

První krok popisuje skutečnost. Druhý je domněnka vydávaná za závěr. Příčina musí účinku předcházet, ale samotné pořadí událostí ji zdaleka nedokazuje.

Internet Encyclopedia of Philosophy řadí post hoc mezi chyby označované jako falešná příčina. Do stejné skupiny patří také cum hoc (předpoklad, že dvě souběžné události jsou příčina a následek), obrácená kauzalita a chyba regrese k průměru. Ke všem se ještě dostaneme. Post hoc najdete také jako bod 15 v našem přehledu logických klamů, hned před záměnou korelace za kauzalitu. Tady půjdeme víc do hloubky, protože nejtěžší není zapamatovat si definici. Nejtěžší je poznat skutečnou příčinu od časové shody.

Příklady chyby post hoc

Většinu z těchto tvrzení jste už nejspíš slyšeli. Možná jste některé i sami řekli.

Každý závěr v tabulce může být pravdivý. Chyba post hoc neznamená, že uvedená příčina je určitě špatně. Znamená, že samotné načasování zatím neprokázalo, že je správně.

Proč nám „stalo se to potom“ připadá jako důkaz

Když je ten omyl tak jednoduchý, proč mu tak snadno podléháme?

Příčiny hledáme automaticky. Všímat si, že po jedné věci přichází druhá, nám pomáhá naučit se třeba to, že tmavé mraky často znamenají déšť. Tomuto instinktu věříme, i když nás občas svede na špatnou stopu.

Pamatujeme si případy, kdy to vyšlo. Když „šťastný dres“ zafunguje, výhra působí významně. Když nezafunguje, pokrčíte rameny a zapomenete. V pozadí pracuje konfirmační zkreslení: případy, které do příběhu zapadají, počítáme, ostatní přehlížíme.

Obvykle nevidíme, co by se stalo tak jako tak. Vzali jste si zinek, takže už nezjistíte, jak by nachlazení probíhalo bez něj. Potřebné srovnání chybí a vzniklou mezeru zaplní příběh, který máte k dispozici.

Omyl leteckého instruktora

Jeden z nejznámějších příkladů popsal Daniel Kahneman. V knize Myšlení, rychlé a pomalé vypráví o instruktorovi izraelského letectva, který s ním nesouhlasil v otázce chvály. Když kadeta pochválil za skvělý manévr, další pokus byl podle instruktora obvykle horší. Když na něj za špatný manévr křičel, další pokus byl obvykle lepší. Vyvodil z toho, že křik funguje a pochvala ne.

Kahneman upozornil, že instruktor si vzorce všiml správně, ale vysvětlil ho špatně. Na mimořádně dobrém manévru se zčásti podílí štěstí, takže další pokus bývá blíž průměru bez ohledu na instruktorova slova. Po mimořádně špatném pokusu zase ze stejného důvodu často následuje lepší. Tomu se říká regrese k průměru a může vyvolat dojem, že zafungovala jakákoli reakce na výjimečný výsledek. Po křiku přišlo zlepšení, ale nejspíš by přišlo i bez něj.

Do stejné pasti se může chytit kdokoli, kdo zasáhne ve chvíli, kdy jsou výsledky na dně. Třeba klub vymění trenéra po mizerné sezóně. Výsledky se potom často zlepší a zásluhy získá výměna trenéra.

Post hoc, korelace a kauzalita: jaký je rozdíl?

Tyto pojmy spolu souvisejí a lidé je často zaměňují. Takhle do sebe zapadají.

Příklad obrácené kauzality vychází z Internet Encyclopedia of Philosophy. Náhodnou shodu zase proslavil Tyler Vigen. Když dokončoval studium práv, sbíral podivné dvojice dat a zjistil, že počet filmů, v nichž se Nicolas Cage v jednotlivých letech objevil, zhruba deset let kopíroval počet utonutí v bazénech v USA. Nikdo si nemyslí, že jedno způsobilo druhé. Při dostatečném množství dat se některé řady potkají čistě náhodou.

Stručně řečeno: post hoc se týká pořadí událostí, korelace jejich společného výskytu a v obou případech hrozí, že si vzorec spleteme s příčinou. Pomáhá stejná otázka: co dalšího by to mohlo vysvětlovat?

Kdy je „potom“ skutečně důležitá indicie

Tuto část mnoho vysvětlení vynechává. Časová posloupnost i korelace jsou důležité indicie. Internet Encyclopedia of Philosophy to říká výslovně: chybou není všimnout si určitého vzorce, ale unáhleně z něj vyvodit příčinu. Kdybyste odmítali každé pozorování typu „po A následovalo B“, nemohli byste se učit ze zkušenosti.

V roce 1965 přednesl anglický statistik Austin Bradford Hill přednášku, která vyšla v časopise Proceedings of the Royal Society of Medicine pod názvem „The Environment and Disease: Association or Causation?“. Epidemiologové o ní diskutují dodnes. Hill popsal devět hledisek pro posouzení, zda je pravděpodobné, že zjištěná souvislost je příčinná. Patří mezi ně:

• Síla vztahu: velký účinek se jinými vlivy vysvětluje hůř než nepatrný.
• Opakovatelnost: vzorec se objevuje u různých lidí, na různých místech a v různých studiích.
• Časová posloupnost: příčina předchází následku. To je jediná věc, kterou úvaha post hoc vystihuje správně.
• Vztah mezi dávkou a účinkem: větší míra příčiny přináší větší účinek.
• Věrohodnost: existuje uvěřitelný mechanismus, kterým by příčina mohla působit.
• Experiment: když příčinu záměrně změníme, změní se i účinek.

Hill zdůrazňoval, že žádné z těchto hledisek není nezbytnou podmínkou a žádné samo o sobě kauzalitu nedokazuje. Pomáhají vážit důkazy, nejsou seznamem, jehož odškrtnutím máme hotovo.

Varovný příběh z medicíny

Od 80. let řada observačních studií ukazovala, že ženy užívající po menopauze hormonální léčbu mívají méně často srdeční onemocnění. Rozšířilo se proto přesvědčení, že léčba chrání srdce. V roce 2002 však byla předčasně ukončena část rozsáhlé randomizované americké studie Women's Health Initiative. U žen, které užívaly estrogen společně s progestinem, se ukázalo vyšší riziko rakoviny prsu, srdečních onemocnění, mrtvice a krevních sraženin, nikoli nižší.

Epidemiolog Jacques Rossouw v přehledové práci z roku 2008 upozornil na jeden důvod, proč dřívější studie zaváděly: ženy, které si hormonální léčbu zvolily, byly zdravější už na začátku. Jejich dobrý zdravotní stav léčbu provázel, ale nebyl jejím výsledkem. Tento skrytý faktor mátl pečlivé výzkumníky celé roky. (Výzkum hormonální léčby od té doby pokračuje. Jde o poučení, jak pracovat s důkazy, nikoli o lékařskou radu.)

Pět otázek, které prověří tvrzení o příčině

Když někdo tvrdí, že A způsobilo B, a platí to i pro vás, položte si těchto pět otázek.

1. Stalo by se B i bez A?

To je nejdůležitější otázka. Nachlazení přejde, roční období se změní a po propadu často přijde zlepšení. Ptejte se, jak by se situace pravděpodobně vyvíjela bez A. Rangiho napadlo jednoduché srovnání: jak vypadal říjen loni?

2. Co dalšího se změnilo ve stejnou dobu?

Příčiny málokdy přicházejí samy. Nový web, nové roční období, výprodej u konkurence, místní cyklistická akce. Sepište všechno, co se v dané době změnilo, a pak se ptejte, proč připisujete zásluhy právě A.

3. Nemůže být příčinná souvislost opačná nebo za oběma jevy stát něco třetího?

Možná B způsobilo A. Možná obojí způsobila třetí věc. Zdravější ženy si častěji zvolily hormonální léčbu. Teplé léto přeje prodeji zmrzliny i koupání.

4. Opakuje se to? A vede více A také k více B?

Jedna posloupnost je příběh. Opakující se vzorec už je důležitější indicie. Pokud je A příčinou, větší míra A by obvykle měla přinášet větší míru B a po odstranění A by měl účinek B slábnout. Pokud „šťastný dres“ funguje, měl by pomáhat celou sezónu, ne jen při jednom památném zápase.

5. Máte s čím porovnávat?

Nejlepší důkazy porovnávají skupinu, u které nastalo A, s podobnou skupinou, u které nenastalo. Proto jsou v medicíně tak důležité randomizované studie. V běžném životě můžete porovnat výsledky s loňskem, s podobným obchodem nebo oba postupy sami vyzkoušet.

Příklad v praxi: Rangiho nový web

Rangi Bettině neřekl, že se mýlí. Přinesl loňská čísla a navrhl, aby společně prošli všech pět otázek.

Právě poslední řádek byl zajímavý. Prodej v kamenné prodejně vzrostl přibližně stejně jako loni. Online objednávky se zhruba zdvojnásobily. Nový web tedy pravděpodobně pomohl, hlavně online, zatímco o většinu zbývajícího růstu se nejspíš postaralo jaro.

To je užitečnější odpověď než „za všechno může web“ nebo „web nepomohl vůbec“. Bettina navíc získala vodítko, do čeho investovat dál.

Jak reagovat na chybu post hoc

„To je post hoc!“ může být pravda, ale málokdy to pomůže. Lepší jsou otázky, díky kterým si druhý člověk může všimnout mezery v úvaze sám. Právě na tom stojí sokratovské otázky.

Jednoduchý postup: uznejte pořadí událostí, zeptejte se na jiná vysvětlení a navrhněte ověření.

1. Uznejte pořadí událostí. „Ano, po spuštění webu tržby vzrostly.“
2. Zeptejte se na jiná vysvětlení. „Co dalšího se v říjnu dělo?“
3. Navrhněte ověření. „Můžeme to porovnat s loňským říjnem?“

Takhle to může znít v běžných situacích.

Pokud píšete odpověď do debaty nebo eseje, náš návod, jak napsat protiargument, ukazuje, jak zpochybnit spojení mezi důkazy a závěrem, aniž byste popírali samotné důkazy.

Jak chybu post hoc odhalit u sebe

Nejsnáze ji uděláte tehdy, když vám příběh lichotí nebo když si moc přejete, aby něco fungovalo.

• Říkejte „potom“ místo „kvůli tomu“. „Po spuštění webu tržby vzrostly“ je přesné. „Tržby vzrostly kvůli webu“ už je tvrzení, které potřebuje další důkazy.
• Po mimořádných výsledcích buďte obzvlášť opatrní. Po nejlepším i nejhorším měsíci čekejte spíš návrat k běžnějším číslům, ať uděláte cokoli.
• Počítejte i neúspěchy. Pokud věříte, že něco funguje, zaznamenávejte každý pokus, nejen ty úspěšné. V našem článku o ukvapeném zobecnění vysvětlujeme, proč z několika zapamatovatelných případů nelze udělat pravidlo. Článek o zkreslení přeživších zase ukazuje, proč jsou stejně důležité případy, které vůbec nevidíte.

Jak si to procvičit s AI

Ve vlastním příběhu se chyba post hoc hledá těžko, protože svému vysvětlení už věříte. Debata pomůže: někdo v ní dostane za úkol hledat jiné možnosti. V Debatly se o vaší otázce během několika kol přou různé AI modely a postavy, vy se můžete kdykoli zapojit a na konci rozhodčí vynese odůvodněný verdikt.

• Předložte svou příčinu k posouzení. Napište své tvrzení jako otázku do debatní místnosti, například „Způsobil náš nový web růst tržeb?“ Jedna strana bude tvrzení hájit, druhá hledat jiná vysvětlení.
• Požádejte skeptika, aby se ptal, co by se stalo i bez toho. Skeptik Viktor může po každém tvrzení o příčině položit otázku „Co by se stalo tak jako tak?“ Často stačí jedno nebo dvě kola, aby se slabina úvahy ukázala.
• Nechte debatovat modely proti sobě. V režimu model proti modelu obhajují různé AI modely opačné postoje. Snížíte tak riziko, že vám jeden model nabídne své oblíbené vysvětlení jako jediné možné.
• Přečtěte si zdůvodnění rozhodčího. Rozhodčí Alex vysvětluje, které argumenty v kole obstály. Pokud některý uspěl jen díky pořadí událostí, prověřte ho pěti otázkami.

Když Rangi zadal otázku o webu, strana, která zpochybňovala jeho vliv, zmínila roční období hned v první odpovědi. Pak si vyžádala zvlášť čísla za online objednávky a prodej v kamenné prodejně. Právě to pomohlo věc rozplést.

Poctivé upozornění na limity

AI modely umějí vyjmenovat možné skryté faktory, ale nevidí vaše údaje o tržbách, počasí ani kalendář akcí ve vašem městě. Mohou se také samy dopustit chyby post hoc a ze sledu událostí vytvořit plynulý příběh o příčině. Mnohé navíc tíhnou k vysvětlení, které podle nich chcete slyšet (více v článku o tom, proč s vámi AI souhlasí). Debatu využijte k hledání alternativ a pak je ověřte na vlastních datech.

Ptejte se, co by se stalo i bez toho

Chyba post hoc přežívá, protože sled událostí si snadno zapamatujeme, zatímco alternativy nevidíme. Pomáhá jediná otázka: co by se stalo i bez údajné příčiny? Pokud upřímná odpověď zní „nejspíš totéž“, příčinná souvislost zatím prokázaná není.

Zkuste si tento týden vybrat něco, o čem věříte, že vám to „zafungovalo“, třeba návyk, nástroj nebo změnu v práci. Projděte si u toho všech pět otázek. Pokud na odpovědi záleží, otevřete debatu v Debatly a nechte skeptika hledat jiná vysvětlení. Vyzkoušejte to. Přehled tarifů najdete na stránce ceny.