混杂变量

假设有这样一项调查：上课外补习班的孩子，平均分 85；不上的孩子，平均分 75。结论好像很明显：补习班能提高 10 分。

先别急。什么样的家庭会送孩子去补习班？往往是收入更高、父母更重视学习的家庭。而这些家庭的孩子，就算不补习，也可能有更多的书、更安静的学习环境、更多的陪伴。

什么是混杂变量

混杂变量是同时影响“原因”和“结果”的第三个因素。它让两件事看起来有因果关系，其实一部分甚至全部关系都来自它。

在补习班的例子里，家庭条件就是混杂变量：它既影响“上不上补习班”，也影响“成绩好不好”。

怎么把它“剥离”出来

• 分组比较：只比较家庭条件相近的孩子。假如同一收入档里，补习和不补习只差 2 分，那补习班的真实效果更接近 2 分，而不是 10 分。
• 随机实验：随机决定谁去补习，让家庭条件在两组中均匀分布。这是最可靠的办法，但生活中很少有。
• 问“谁会选择 X”：只要“做 X 的人”是自己选择的，就要怀疑他们本来就和别人不一样。

用在预测上

预测“某个政策、产品、方法会带来什么效果”时，最容易被混杂变量骗。比如“开通地铁的城区房价涨得快”，可能是因为地铁本来就优先修在发展潜力大的区域。

写理由时，试着列出一两个可能的混杂变量，并想想：去掉它之后，你的理由还剩多少分量？