因果先验及其对可视化数据中因果判断的影响

“相关性不等于因果性”是统计和可视分析中著名的口号。然而，数据可视化的使用者往往会在仅显示变量之间相关性的情况下推断出因果关系。在本文中，我们调查了导致用户在可视化中感知到的因果关系的影响因素。我们收集了来自广泛使用数据集中变量概念对的语料库，并创建了使用三种典型统计图表类型显示不同相关关联的可视化。我们进行了两项 MTurk 研究：（1）在没有图表的情况下对概念对的因果关系 preconceived 概念的调查，以及（2）随图表一起感知到的因果关系调查，每组概念对。我们的结果表明，即使在没有看到任何可视化数据的情况下，人们也会对概念对之间的因果关系进行假设。此外，我们的结果表明，这些假设构成了在与可视化关联性相结合时影响数据可视化解释的因果先验。结果也表明，因果先验可能导致在不同情境下感知到的因果关系的高估或低估，并且这些先验也会影响用户对其因果评估的信心。我们的结果与前期工作一致，表明图表类型也会影响因果推断。基于研究数据，我们开发了一个模型来捕捉因果先验与可视化关联性如何相互作用以影响用户感知到的因果关系。除了报告研究结果和分析外，我们提供了一个包含 56 个特定概念对的因果先验开放数据集，可作为未来研究的潜在基准。我们也提出了剩余挑战和基于启发式的指南，以帮助设计师改进可视化设计选择以更好地支持视觉因果推断。