相关不等于因果

统计一下就会发现：冰淇淋卖得越多的月份，游泳溺水的人也越多。那么，少卖点冰淇淋能减少溺水吗？

显然不能。两者一起上升，是因为背后有个共同原因：天热。天热时人们既爱吃冰淇淋，也更常去游泳。

两件事一起变化，可能有好几种原因

看到 A 和 B 相关时，至少要想到这几种可能：

• A 导致 B：这是我们最容易想到的。
• B 导致 A：方向反了，见 5.3 节。
• C 同时导致 A 和 B：隐藏的共同原因，也叫混杂变量，见 5.2 节。
• 选择偏差：你看到的样本被筛选过，见 5.3 节。
• 纯属巧合：数据够多时，总能找到碰巧一起变化的两件事。

这和预测有什么关系

很多预测理由其实是一句相关性：“历史上每次降息后，A股都涨了”“用这款 App 的学生成绩更好”。如果背后真是因果，它能帮你预测未来；如果只是共同原因或巧合，一旦背景变化，这条规律就会失效。

下面的散点图里，两个变量看起来强烈相关。加入隐藏变量、按它分组后再看看：组内的相关还在吗？

写理由时多问一句

当你的理由是“A 和 B 总是一起出现”时，问问自己：有没有一个 C 能同时解释两者？如果把 A 拿掉，B 真的会变吗？