判断因果关系的三个要点

判断两个变量属于因果关系还是相关关系时，可以通过以下三个问题进行质疑。

①是否“纯属巧合”？

②是否存在“第三变量”？

③是否存在“逆向因果关系”？

①是否“纯属巧合”？

如果有人提出“温室效应的加剧导致海盗数量下降”，大家肯定觉得荒唐，但如图表1-2所示，温室效应逐渐加剧的同时，海盗数量确实在不断减少。

可是，按常理来说，很难想象温室效应的加剧会导致海盗数量下降。两个事件看似有关，其实只是“纯属巧合”。像这样，两个变量的变化趋势只是碰巧相似的现象被称为“伪相关”。

美国信息分析员泰勒·维根（Tyler Vigen）在其著作《伪相关》（Spurious Correlations）中介绍了很多“纯属巧合”的事例。例如，“尼古拉斯·凯奇一年参演电影的部数”与“泳池溺亡人数”（见图表1-3）、“美国小姐的年龄”与“因取暖设备丧命的人数”（见图表1-4）、“商业街的总收入”与“在美国获得计算机科学博士学位的人数”（见图表1-5）等之间都存在高度的相关关系。

这些例子看似非常荒唐，但不可思议的是，把两个变量做成图表比对一下就会显示出明显的相关关系。正好比“蝴蝶在亚洲扇动翅膀，南美就会刮起飓风”，不过需要留意的是，我们身边其实存在很多这种“纯属巧合”的相关关系。

或许你会怀疑，真的会有人把伪相关当作因果关系吗？实际上，不少预测大盘的人都会相信纯属巧合的伪相关，把它们当作没有依据却非常灵验的经验之谈。

例如可能有人听说过“吉卜力的诅咒”。即只要日本的电视台播出宫崎骏导演领导的吉卜力工作室的电影，美国股市就会下跌。就连美国的《华尔街时报》也曾报道过这条法则并一度引起热议。这条法则正是“纯属巧合”造就的典型的伪相关。

探讨“是否存在因果关系”时，一定要先质疑两个变量之间的关系是否纯属巧合。

②是否存在“第三变量”？

其次，我们必须要质疑是否存在同时影响原因和结果的“第三变量”。用术语说就是“混杂因素”，它可以把纯粹的相关关系包装成因果关系，干扰人们判断。

我们来看一则混杂因素的具体事例。前言中曾经提到这个说法：体力好的孩子学习能力强。可能一些家长看到这种说法，就打算让孩子去锻炼身体。

然而，断定体力与学习能力之间存在因果关系还为时过早。说不定另有一个变量同时影响着孩子的体力和学习能力。（见图表1-6）比如“父母对教育的热衷程度”等。热衷教育的父母可能会让孩子学习运动项目或者注重饮食健康（对体力产生影响），同时还会督促孩子学习，因此孩子的学习能力也比较强（对学力产生影响）。这则事例中，提高孩子学习能力的不是体力，而是“父母对教育的热衷程度”。如果事实果真如此，那么一味增强孩子的体力，恐怕不会提高他们的学习能力。

探讨“是否存在因果关系”时，切记还要质疑是否存在同时影响原因和结果的“混杂因素”。

③是否存在“逆向因果关系”？

接下来需要质疑是否存在“逆向因果关系”。例如，我们来思考警察与犯罪的关系。警察多的地区，犯罪案件数量也多。但是，将警察多视为犯罪案件数量多的原因难免有些牵强（警察→犯罪）。

不如说因为某处是犯罪多发的危险地区，所以部署了大量警力，这么想可能才更合理（犯罪→警察）。本以为是原因的事件其实是结果，本以为是结果的事件其实却是原因，这种状态被称为“逆向因果关系”。探讨“是否存在因果关系”时，还要质疑原因与结果的方向是否相反。

让我们对照图表1-7对上述说明加以总结。

如果两个变量之间存在因果关系，当原因再次出现时，相同的结果也会出现，而不存在“纯属巧合”“混杂因素”或“逆向因果关系”。另一方面，如果两个变量的关系只是相关关系，那么就会存在“纯属巧合”“混杂因素”或“逆向因果关系”中的某一种情况。在相关关系的情况下，即使原因再次发生，也几乎不会得到相同的结果。