点击各项查看详细内容。
相关关系是指两个变量以一定规律共同变动的倾向,例如气温上升时冰淇淋销量也随之上升,就属于这种情况。
因果关系是指一个变量的变化会直接导致另一个变量发生变化的关系,例如水结冰这种原因与结果明确相连的情况。
两个变量一起变动,并不能断定其中一个是另一个的原因,混淆这两者是统计解读中最常见的错误之一。
冰淇淋销量与溺水事故数量往往同时上升,但真正的原因是同时推高这两者的第三个变量——炎热的天气。
两个完全不相关的统计数据也可能偶然呈现出相似的走势,因此仅凭短期数据就断定二者存在关系是危险的。
即使两个变量之间确实存在因果关系,哪个是因、哪个是果的方向有时也会被弄反,因此需要格外留意。
仅凭"做了某事就能改善某结果"这样的研究报道标题就断定存在因果关系,可能会得出错误结论,因此需要养成分辨该研究究竟只是观察到相关关系,还是真正证明了因果关系的习惯。
在接触新闻或研究结果时,人们常常仅凭两个变量一起变动,就草率地断定其中一个是另一个的原因。养成区分相关关系与因果关系的习惯,能让你更准确地解读信息。
判断两个变量的关系是否并非偶然,与判断这种关系是否真的是因果关系,是两个不同的问题,理解这两点有助于更准确地解读统计数据。
通常的方法是进行对照实验,即保持其他条件不变,只改变被怀疑为原因的变量,以此验证因果关系。
并非如此,相关关系可以成为揭示因果关系的起点,仅仅发现两个变量之间存在某种规律,也可能为进一步研究提供线索。