Het ligt vrij ingewikkeld hoe het nu precies zit met de richting van pijltjes en structurele modellen en causaliteit. Maar zoals een student gisteren in de bijeenkomst al aangaf, staat het overal vrij consistent in de cursus (Een pijl die een richting op gaat = een causaal verband) en dat ik het onnodig ingewikkeld maakte.
Dus de conclusie is dat als je een causaal verband veronderstelt je de pijlen een richting op moet tekenen en in alle andere gevallen is het samenhang en moeten de pijlen naar beide kanten.
Echter waar jouw vraag over lijkt te gaan is of het voorspellen van de ene variabele uit de andere hetzelfde is als causaliteit. En het antwoord is, zoals vaak bij onderzoek het geval is: dat ligt er aan. De verwachting dat de ene variabele de ander kan voorspellen kan maar hoeft niet de veronderstelling te hebben dat er een causaal verband is. Maar dit verondersteld zo'n pijl wel, dus kunnen we er vanuit gaan dat dit hier het geval is.
In jouw voorbeeld had je gekeken naar correlatie niet regressie en bij correlatie is er altijd enkel sprake van samenhang nooit causaliteit. Maar om het gelijk weer ingewikkelder te maken hoeft er bij regressie-analyse ook geen sprake te zijn van causaliteit. Sterker nog, vaak kun je dit helemaal niet aantonen, omdat je causaliteit enkel hard kunt maken als je het juiste design gebruikt.