有趣的事

为什么相关系数很高,仍不能说明存在因果关系?

相关系数衡量的是两个变量在样本中共同变化的程度,不会告诉我们这种共变是由什么造成的。因果关系则要求:在其他条件可比时,改变一个变量会使另一个变量发生变化。两者之间还隔着“原因识别”这一步。

常见的误判有几种:一是混杂因素同时影响两者。例如冰淇淋销量和溺水事件可能同时随气温升高而增加,气温是共同原因;二是方向可能相反,观察到健康与运动相关,未必能排除健康状况较好的人更容易运动;三是样本选择、共同趋势或偶然性也可能制造很强的相关。相关系数再高,也不能自动排除这些解释。

判断因果通常要先提出合理机制和时间顺序,再设计能够区分替代解释的证据。随机对照实验通过随机分组平衡已知和未知混杂因素;无法实验时,可利用自然实验、工具变量、差分中的差分等准实验方法,并检查其关键假设。回归中“控制几个变量”有帮助,但若漏掉重要混杂、测量有误,或控制了因果链上的中间变量,结论仍可能偏。

因此,高相关可以提示值得研究的关系,却不是因果结论本身。更准确的表述应说明研究设计、适用人群和仍未排除的替代解释。

相关阅读