Fallacia post hoc: esempi e perché «dopo» non significa «a causa di»

Rangi gestisce il negozio di una piccola attività di biciclette a Wellington. All'inizio di settembre, la proprietaria Bettina ha incaricato un designer di rifare il sito web. A fine ottobre, le vendite erano aumentate di quasi un terzo rispetto a settembre e Bettina era entusiasta. «I soldi meglio spesi di sempre. È merito del nuovo sito.»

Rangi vorrebbe darle ragione. Il designer gli è piaciuto e il sito è fatto bene. Ma ricorda anche cosa succede ogni anno in Nuova Zelanda tra settembre e ottobre: le giornate si allungano, piove meno e la gente tira fuori le bici dal garage. Apre il report delle vendite dell'anno precedente. Anche allora ottobre era andato meglio di settembre, con il vecchio sito.

Il nuovo sito è arrivato prima e l'aumento delle vendite dopo. Questo è tutto ciò che Bettina sa per certo. Scambiare «dopo» per «a causa di» è la fallacia post hoc, uno degli errori di ragionamento più spontanei che possiamo fare. Vediamo che cos'è, perché sembra così convincente, in che cosa differisce dalla confusione tra correlazione e causalità e quali cinque domande aiutano a capire se un evento ne ha davvero causato un altro.

Che cos'è la fallacia post hoc?

La fallacia post hoc consiste nel concludere che un evento ne abbia causato un altro solo perché è avvenuto prima. Il nome latino completo, post hoc ergo propter hoc, significa «dopo questo, quindi a causa di questo».

Il ragionamento si sviluppa in due passaggi:

1. È successo A, poi è successo B.
2. Quindi A ha causato B.

Il primo passaggio descrive un fatto. Il secondo è un'ipotesi presentata come conclusione. Una causa deve precedere il suo effetto, ma arrivare prima non basta neppure lontanamente a dimostrare un nesso causale.

L'Internet Encyclopedia of Philosophy classifica il post hoc tra gli errori di falsa causa, insieme a tre casi affini: il cum hoc (supporre che due eventi concomitanti siano causa ed effetto), l'inversione del rapporto causale e la fallacia della regressione. Li incontreremo tutti più avanti. Il post hoc è anche la voce numero 15 della nostra guida alle fallacie logiche, subito prima della differenza tra correlazione e causalità. Qui andiamo più a fondo, perché la parte difficile non è capire la definizione: è distinguere una vera causa da una coincidenza temporale.

Esempi di fallacia post hoc

Probabilmente hai già sentito molti di questi ragionamenti. Forse ne hai fatti alcuni anche tu.

Ognuna delle conclusioni nella tabella potrebbe essere vera. Parlare di post hoc non significa dire che la causa proposta sia falsa. Significa che la sola successione temporale non basta a dimostrare che sia giusta.

Perché «è successo dopo» sembra una prova

Se l'errore è così semplice, perché è tanto comune?

Cerchiamo cause per abitudine. Notare che una cosa ne segue un'altra è il modo in cui impariamo, per esempio, che le nuvole scure annunciano la pioggia. Per questo ci fidiamo dell'intuizione anche quando ci porta fuori strada.

Ricordiamo i casi che confermano l'idea. Quando la maglia portafortuna «funziona», la vittoria ci sembra significativa. Quando non funziona, scrolliamo le spalle e ce ne dimentichiamo. È il bias di conferma che lavora in sottofondo: teniamo conto dei casi che sostengono la nostra storia e trascuriamo gli altri.

Di solito non vediamo che cosa sarebbe successo comunque. Hai preso lo zinco, quindi non saprai mai come sarebbe andato quel raffreddore senza prenderlo. Manca il confronto che ti servirebbe e la spiegazione che hai a disposizione riempie il vuoto.

L'errore dell'istruttore di volo

Uno degli esempi più noti viene da Daniel Kahneman. In Pensieri lenti e veloci racconta di un istruttore di volo dell'aeronautica israeliana che non era d'accordo con lui sull'efficacia degli elogi. Quando lodava un allievo per un'ottima manovra, raccontava l'istruttore, il tentativo successivo era di solito peggiore. Quando invece sgridava un allievo per una manovra sbagliata, quella successiva era in genere migliore. La sua conclusione era che sgridare funzionasse ed elogiare no.

Kahneman osservò che l'istruttore aveva riconosciuto correttamente lo schema, ma lo aveva spiegato male. Una manovra insolitamente buona dipende in parte dalla fortuna, quindi è probabile che la successiva sia più vicina alla media, indipendentemente dalle parole dell'istruttore. Per lo stesso motivo, a una manovra insolitamente brutta tende a seguirne una migliore. Si chiama regressione verso la media e fa sembrare efficace qualsiasi reazione a un risultato eccezionale. La sgridata precedeva il miglioramento, ma quel miglioramento sarebbe probabilmente arrivato lo stesso.

La stessa trappola scatta quando si interviene in un momento particolarmente negativo, per esempio quando una squadra cambia allenatore dopo una stagione disastrosa. Spesso i risultati migliorano comunque, e il merito viene attribuito al cambiamento.

Post hoc, correlazione e causalità: le differenze

Questi concetti si sovrappongono e spesso vengono usati come se fossero sinonimi. Ecco come si distinguono.

L'esempio della causalità inversa è adattato dall'Internet Encyclopedia of Philosophy. Per le coincidenze, c'è un caso famoso: Tyler Vigen, che raccolse accostamenti insoliti mentre terminava gli studi di giurisprudenza, scoprì che per circa un decennio il numero di film in cui Nicolas Cage compariva ogni anno seguiva l'andamento degli annegamenti in piscina negli Stati Uniti. Nessuno pensa che un fenomeno abbia causato l'altro. Se si analizzano abbastanza dati, alcune coppie finiranno per assomigliarsi per puro caso.

In breve: il post hoc riguarda l'ordine degli eventi, la correlazione riguarda la loro concomitanza, ma in entrambi i casi si rischia di scambiare uno schema per una causa. La domanda utile è la stessa: cos'altro potrebbe spiegarlo?

Quando «dopo» è davvero un indizio

C'è un punto che molte spiegazioni tralasciano: l'ordine degli eventi e la correlazione sono indizi. L'Internet Encyclopedia of Philosophy lo dice chiaramente: l'errore sta nel saltare troppo in fretta a una conclusione causale, non nel considerare lo schema osservato. Se scartassimo ogni caso in cui «B è successo dopo A», non potremmo imparare nulla dall'esperienza.

Nel 1965 lo statistico inglese Austin Bradford Hill tenne una conferenza, poi pubblicata nei Proceedings of the Royal Society of Medicine con il titolo «The Environment and Disease: Association or Causation?», di cui gli epidemiologi discutono ancora oggi. Propose nove criteri da considerare per valutare se un'associazione abbia probabilmente natura causale, tra cui:

• Intensità: un effetto grande è più difficile da spiegare con cause alternative rispetto a uno piccolo.
• Coerenza: lo stesso schema emerge tra persone, luoghi e studi diversi.
• Temporalità: la causa precede l'effetto. È l'unico punto su cui il post hoc coglie qualcosa di vero.
• Gradiente biologico: all'aumentare della presunta causa aumenta anche l'effetto.
• Plausibilità: esiste un meccanismo credibile.
• Esperimento: intervenire intenzionalmente sulla causa modifica l'effetto.

Hill precisò che nessuno di questi criteri è indispensabile e nessuno, da solo, dimostra la causalità. Servono a valutare le prove, non sono una lista da spuntare per chiudere la questione.

Una lezione dalla medicina

A partire dagli anni Ottanta, molti studi osservazionali rilevarono tassi più bassi di malattie cardiache tra le donne che seguivano una terapia ormonale dopo la menopausa. Si diffuse così l'idea che la terapia proteggesse il cuore. Nel 2002 una parte della Women's Health Initiative, un ampio studio randomizzato condotto negli Stati Uniti, fu interrotta in anticipo. Le donne che assumevano estrogeni più progestinici presentavano rischi più alti, non più bassi, di tumore al seno, malattie cardiache, ictus e coaguli di sangue.

In una revisione del 2008, l'epidemiologo Jacques Rossouw indicò una delle ragioni per cui gli studi precedenti avevano tratto in inganno: le donne che sceglievano la terapia ormonale erano mediamente più sane già in partenza. La buona salute accompagnava il trattamento, ma non era causata da esso. Quel fattore confondente trasse in errore ricercatori scrupolosi per anni. (La ricerca sulla terapia ormonale è proseguita: questo è un esempio su come valutare le prove, non un consiglio medico.)

Cinque domande per verificare un rapporto di causa ed effetto

Quando qualcuno dice che A ha causato B, anche se quel qualcuno sei tu, fatti queste domande.

1. B sarebbe successo comunque?

È la domanda più importante. I raffreddori passano, le stagioni cambiano, i periodi negativi finiscono. Chiediti come sarebbero andate normalmente le cose senza A. La domanda di Rangi era semplice: com'era andato ottobre l'anno prima?

2. Che cos'altro è cambiato nello stesso periodo?

Le possibili cause raramente si presentano da sole. Un nuovo sito, una nuova stagione, una promozione di un concorrente, un evento locale dedicato alla bici. Elenca tutto ciò che è cambiato nello stesso periodo, poi chiediti perché il merito dovrebbe andare proprio ad A.

3. Potrebbe essere il contrario, oppure esserci una causa comune?

Forse è B ad aver causato A. O forse una terza variabile ha causato entrambi. Le donne già più sane sceglievano la terapia ormonale. Le estati calde portano sia più gelati sia più persone in acqua.

4. Succede di nuovo? E più A produce più B?

Una singola sequenza è una storia. Uno schema che si ripete è un indizio. Se A è la causa, in genere una maggiore presenza di A dovrebbe produrre più B, mentre eliminare A dovrebbe attenuare B. Se la «maglia portafortuna» funziona, dovrebbe funzionare per un'intera stagione, non solo in una partita memorabile.

5. C'è un termine di paragone?

Le prove migliori confrontano un gruppo esposto ad A con un gruppo simile che non lo è stato. Ecco perché gli studi randomizzati sono così importanti in medicina. Nella vita quotidiana, il paragone può essere l'anno scorso, un negozio simile o semplicemente una prova fatta in entrambi i modi.

Un esempio concreto: il sito di Rangi

Rangi non disse a Bettina che aveva torto. Le portò i numeri dell'anno precedente e le propose di rispondere insieme alle cinque domande.

L'ultima risposta era la più interessante. Le vendite in negozio erano aumentate all'incirca quanto l'anno prima. Gli ordini online erano quasi raddoppiati. Probabilmente il sito aveva dato una mano, soprattutto agli ordini online, mentre la primavera spiegava gran parte del resto.

È una risposta più utile sia di «è tutto merito del sito» sia di «il sito non è servito a niente». E ha aiutato Bettina a capire dove investire in seguito.

Come rispondere alla fallacia post hoc

Dire «Questa è una fallacia post hoc!» può essere corretto, ma raramente è utile. Le domande funzionano meglio: permettono all'altra persona di notare da sé il passaggio mancante, secondo il principio delle domande socratiche.

Uno schema semplice è questo: riconosci la sequenza, chiedi quali siano le alternative, proponi una verifica.

1. Riconosci la sequenza. «Sì, le vendite sono aumentate dopo il lancio.»
2. Chiedi quali siano le alternative. «Che cos'altro è successo a ottobre?»
3. Proponi una verifica. «Possiamo confrontare i dati con quelli dello scorso ottobre?»

Ecco come applicarlo in alcune situazioni comuni.

Se stai preparando una risposta per un dibattito o un testo argomentativo, la nostra guida su come scrivere una confutazione mostra come contestare il legame tra prove e conclusione, anziché contestare le prove stesse.

Come riconoscerla nei tuoi ragionamenti

È più facile cadere in questo errore quando una spiegazione ti fa fare bella figura o quando desideri molto che qualcosa funzioni.

• Di' «dopo» invece di «grazie a». «Le vendite sono aumentate dopo il lancio» è una descrizione accurata. «Sono aumentate grazie al lancio» è un'affermazione che richiede altre prove.
• Fai particolare attenzione dopo risultati estremi. Dopo il mese migliore o peggiore, è probabile che quello successivo sia più ordinario, qualunque cosa tu faccia.
• Conta anche gli insuccessi. Se credi che qualcosa funzioni, annota tutte le volte in cui lo provi, non soltanto quelle in cui sembra funzionare. La nostra guida alla generalizzazione affrettata spiega perché pochi casi memorabili non bastano a stabilire una regola, mentre quella sul bias del sopravvissuto spiega perché i casi che non vedi contano altrettanto.

Come esercitarti con l'IA

Nella tua storia è difficile riconoscere una fallacia post hoc, perché credi già alla spiegazione che ti sei dato. Un dibattito aiuta: qualcuno ha il compito di cercare spiegazioni alternative. Su Debatly, diversi modelli e personaggi IA discutono la tua domanda da prospettive opposte per più turni. Puoi intervenire quando vuoi e, alla fine, un giudice emette un verdetto motivato.

• Metti alla prova la tua ipotesi causale. Scrivi la tua domanda nella stanza dei dibattiti, per esempio: «È stato il nuovo sito a far aumentare le vendite?». Una parte sostiene l'ipotesi, l'altra cerca spiegazioni alternative.
• Chiedi a uno scettico che cosa sarebbe successo comunque. Invita Viktor, lo scettico a porre questa domanda dopo ogni affermazione causale. Spesso basta un turno o due per scoprire il punto debole di una spiegazione post hoc.
• Fai discutere modelli diversi. In modello contro modello, diversi modelli IA difendono posizioni opposte. Così è meno probabile che la spiegazione preferita da un solo modello venga presentata come l'unica possibile.
• Leggi le motivazioni del giudice. Il giudice Alex spiega quali argomenti hanno pesato nel dibattito. Se un'argomentazione ha prevalso soltanto perché un evento è venuto prima dell'altro, sottoponila alle cinque domande.

Quando Rangi provò a discutere la questione del sito, la parte contraria citò la stagionalità nella prima risposta e poi chiese di distinguere gli ordini online dalle vendite in negozio. Fu proprio quel confronto a chiarire la situazione.

Un limite da tenere presente

I modelli IA possono elencare possibili fattori confondenti, ma non hanno accesso ai tuoi dati di vendita, alle condizioni meteo o al calendario degli eventi della tua città. Possono anche commettere la stessa fallacia, costruendo una storia causale convincente a partire da una semplice sequenza di eventi. Inoltre, molti tendono a favorire la spiegazione che sembri preferire tu (vedi perché l'IA tende a darti ragione). Usa il dibattito per trovare alternative, poi verificale sui tuoi dati.

Chiediti che cosa sarebbe successo comunque

La fallacia post hoc è così persistente perché ricordiamo facilmente la successione degli eventi, mentre le alternative restano invisibili. Il rimedio è una domanda: che cosa sarebbe successo senza quell'intervento? Se la risposta sincera è «probabilmente la stessa cosa», il rapporto di causa ed effetto non è ancora dimostrato.

Questa settimana scegli qualcosa che, secondo te, ha «funzionato»: un'abitudine, uno strumento, un cambiamento sul lavoro. Sottoponilo alle cinque domande. Se la risposta è importante, apri un dibattito su Debatly e lascia che uno scettico cerchi altre spiegazioni. Puoi iniziare dalla pagina dei prezzi.