Ga direct naar de content

Eerst de oorzaak, dan het gevolg

Geplaatst als type:
Geschreven door:
Gepubliceerd om: april 27 2001

Eerst de oorzaak, dan het gevolg
Aute ur(s ):
Poort, J.P. (auteur)
De auteur is als senior-onderzoeker werkzaam b ij NYFER. Hij dankt Klarita Sadiraj voor econometrische b ijdragen. Dit artikel is gebaseerd op
J.P. Poort, Hub , of spokestad? Regionaal-economische effecten van luchthavens, NYFER, Breukelen, 2000.
Ve rs che ne n in:
ESB, 86e jaargang, nr. 4306, pagina 368, 27 april 2001 (datum)
Rubrie k :
Vakontw ikkeling
Tre fw oord(e n):
luchthavens

De richting van de causaliteit is bij economische correlaties vaak lastig vast te stellen. Zo ook bij het verband tussen luchthavens en
economische groei.
Economen gaan in hun onderzoek dikwijls op zoek naar correlaties tussen maatschappelijke of economische grootheden. Hangen de
huizenprijzen samen met de rentestand? Bestaat er een relatie tussen de werkloosheid en de hoogte van de uitkeringen? Correlaties
worden echter pas interessant wanneer ze inzicht geven in een oorzakelijk verband. Alleen een oorzakelijk verband geeft de
voldoening economische en maatschappelijke processen te begrijpen, en – minder hoogdravend – kan een handvat bieden om met
beleidsmaatregelen de economische ontwikkeling te sturen.
De wereld is vol van correlaties die niet direct wijzen op een oorzakelijk verband. De eenvoudigste categorie betreft statistische
verbanden die berusten op toeval, dan wel op een te beperkte of selectieve steekproef. Het beroemde Mars-effect, de correlatie tussen de
geboortedata van topsporters en de stand van de planeet Mars, is een correlatie van dit kaliber 1. Op zich is het statistische
instrumentarium erop gericht dit soort schijncorrelaties te ontmaskeren. Maar per definitie glipt er zo nu en dan één doorheen: van iedere
honderd ‘significante’ verbanden bij een 95 procent betrouwbaarheidsinterval, berusten er in principe vijf op toeval. Bij nader onderzoek
sneuvelt een dergelijke correlatie doorgaans.
Een andere categorie vormen correlaties tussen twee grootheden die beide afhangen van een derde factor. Een voorbeeld is de relatie
tussen de huwelijks- en zelfmoordcijfers in Europese landen. In dit geval hangen beide samen met een derde factor, het inwonertal. Het
verband van de huwelijks- en zelfmoordcijfers elk afzonderlijk met het inwonertal zal dan ook sterker zijn dan hun onderlinge correlatie.
Zolang die derde factor niet bekend is, zijn zulke schijnverbanden echter lastig te ontzenuwen.
Wel is het vaak verhelderend om bij de onderzochte variabelen niet af te gaan op het niveau, maar naar de relatieve of absolute groei te
kijken. Op die manier wordt de invloed van gemeenschappelijke factoren die wat verder in het verleden liggen geëlimineerd. Zo is het
interessant te constateren dat er een significant verband bestaat tussen de luchtvaart en de werk-gelegenheid in Europese regio’s (zie
figuur 1a). Maar beide zouden het gevolg kunnen zijn van historische factoren zoals verstedelijking of gunstige geografische ligging.
Als dat zo is, hoeven de groei van de luchtvaart en de groei van de werkgelegenheid niet bij voorbaat gecorreleerd te zijn. Tenzij de
historische factor nog altijd invloed heeft. In dat laatste geval is het zaak die factor in een regressie mee te nemen om te zien of de
gevonden correlatie dan nog stand houdt.

Figuur 1a. Gemiddeld niveau van werkgelegen-heid en luchthaven-activiteit in Europese regio’s, 1992-1997
Richting van de causaliteit

Wanneer een correlatie wel degelijk op een oorzakelijk verband duidt, biedt dit nog geen uitsluitsel over de richting van de causaliteit.
Doorgaans laten we ons bij de vraag naar oorzaak en gevolg leiden door economische inzichten en gezond verstand. Maar soms kan bij
een correlatie tussen twee variabelen de causaliteit net zo goed de ene als de andere kant op lopen.
Luchtvaart
Het verband tussen de groei van de werkgelegenheid en de groei van de luchtvaart in figuur 1b is hier een voorbeeld van. Enerzijds ligt
het voor de hand dat groeiende werkgelegenheid leidt tot meer zakenreizen, en via een toename van het inkomen ook tot meer
vakantievluchten. Anderzijds is het goed mogelijk dat zakenreizen en vakantievluchten de economische ontwikkeling en de
werkgelegenheid juist stimuleren. Ten slotte is het niet ondenkbaar dat beide redeneringen kloppen en alle twee effecten bijdragen aan
de correlatie in figuur 1b.

Figuur 1b. Relatieve groei van werkgelegen-heid en luchthaven-activiteit in Europese regio’s, 1992-1997
Oorzaak en gevolg
Om dit soort kwesties te beslechten is het nuttig uit te gaan van de notie dat een oorzaak altijd voorafgaat aan het gevolg. Wanneer de
groei van variabele At op tijdstip t verband houdt met de ontwikkeling van variabele Bt + L enige tijd (L) later, zou die laatste wel eens
causaal kunnen afhangen van de eerste. Omgekeerd duidt correlatie met Bt – L op een causaal verband in de andere richting 2.
Als zodoende groei van de luchtvaart de werkgelegenheid stimuleert, zal dit effect later optreden, of op zijn vroegst in hetzelfde jaar. Dan
zal de groei van de luchtvaart het sterkste correleren met de werkgelegenheidsgroei enige tijd later. Andersom kan de economische
tendens vorig jaar nooit het gevolg zijn van de luchtvaart-ontwikkeling nu. Als er dus een significante correlatie bestaat tussen die twee
variabelen, moet dit toe te schrijven zijn aan de invloed van de economie op de luchtvaart.
Een en ander wordt grafisch weergegeven in figuur 2. De figuur geeft de (kruis)correlatiecoëfficiënten tussen de groei van de luchtvaart
en de ontwikkeling van de werkgelegenheid en de werkloosheid, met op- en aflopende verschuiving in de tijd. De hoogte van de balken
is daarbij een maat voor de samenhang tussen de luchtvaart en de werkgelegenheidsgroei ervoor en erna. Zo geven de balken uiterst
links de correlatie tussen de groei van de luchtvaart en de werkgelegenheidsgroei drie jaar eerder weer. De balken uiterst rechts drukken
het verband uit met de werkgelegenheid drie jaar later en de middelste balken staan voor de gelijktijdige correlatie.

Figuur 2. Groei van de luchtvaart heeft na twee jaar het grootste effect op werkgelegenheid en werkloosheid; gunstige
werkgelegenheids-trends leiden vrijwel direct tot meer luchtvaart
De balken links worden kleiner naarmate het tijdsverschil toeneemt. Dit wijst erop dat een impuls op de werkgelegenheid vrijwel direct of
na maximaal een jaar effect heeft op de luchtvaart. Groei van de werkgelegenheid leidt tot meer luchtvaart (positieve coëfficiënt). De
correlatiecoëfficiënten rechts in de figuur geven een impressie van de invloed van de luchtvaart op de werkgelegenheidsontwikkeling.
Die invloed blijkt wat meer uitgesmeerd over de tijd en is het sterkst na ongeveer twee jaar.
De invloed in beide richtingen komt nog fraaier naar voren in figuur 3. Deze figuur geeft de ontwikkeling weer van de correlatie tussen de
passagiersgroei en de groei van de bedrijvigheid in regio’s met een grote luchthaven. Aflopende correlatie naar links geeft aan dat een
impuls op de bedrijvigheid na één jaar het sterkste effect heeft op de luchtvaart. Ook in de jaren erna lijkt er een effect te zijn, maar dit ebt
langzaam weg. De ontwikkeling van de correlaties rechts wijst er wederom op dat het effect van luchtvaartgroei op de economie na twee
jaar het sterkst is.

Figuur 3. Groei van de luchtvaart heeft na twee jaar een gunstig effect op de bedrijvigheid; groei van de bedrijvigheid heeft na één jaar
het sterkste effect op de luchtvaart
Conclusies
Correlaties tussen economische en maatschappelijke grootheden duiden lang niet altijd op een oorzakelijk verband. Maar in sommige
processen kan er juist sprake zijn van bicausaliteit, oftewel oorzakelijkheid in twee richtingen. In zulke gevallen is de gevonden correlatie
de optelsom van beide effecten. Met behulp van correlatiecoëfficiënten met verschillende vertragingen is het mogelijk deze twee effecten
te ontrafelen

1 Zie J.W. Nienhuys, The Mars effect in retrospect, Skeptical Inquirer, nr. 6, 1997, blz. 24-29.
2 De causaliteitstest van Granger berust op ditzelfde principe. Zie C.W.J. Granger, Investigating causal relations by econometric models
and cross-spectral methods, Econometrica, nr. 3, 1969, blz. 423-438.

Copyright © 2001 – 2003 Economisch Statistische Berichten (www.economie.nl)

Auteur