#01.因果推断概念
相关不是因果,事物间的因果关系常常是我们经常要面对和分析的问题,研究因果的意义是我们需要理解数据并据此做出进一步的行动和决策。比如对于我们而言,常常会想要知道“学历越高就会找到越好的工作吗?”。从时间序列的角度,如果利用X可以更好地预测Y,那么就可以说X是Y的原因,经过后来的研究发现,这段描述中存在着一些谬误,严格来说这句话描述的是相关关系,而非因果关系。那么相关关系和因果关系究竟有何不同?其实,相关表示一种一般关系,即当两个变量同时呈现出增加或减少的趋势时,它们就是相关的,而因果关系中原因会导致结果,结果部分取决于原因。两个变量之间即便没有相关关系也可能具有因果关系,反之有相关关系也可能没有因果关系。例如,一项研究表明通常吃早饭的人比不吃早饭的人体重轻,因此得出结论不吃早饭有利于减肥,但事实上不吃早饭和体重轻之间可能只是相关,而并非因果关系。从事实的角度出发为这个现象寻求一种解释,可能只是因为每天吃早饭的人习惯于保持一种健康的生活方式,定期运动、睡眠规律、饮食健康,最终才拥有了更加理想的体重。在这类情况中,拥有更健康的生活方式是吃早饭和轻体重的共同原因,因此也可以将其视为吃早饭和轻体重之间因果关系的混淆因素。因此相关不是因果,虽然相关关系在统计学中取得了一系列成果,但因果关系可以拓展传统统计学解决新问题所需的必要内容,并可延伸到其他学科,因此更具研究价值。
#02.因果推断分析框架
三个基于因果推断且极具挑战性的难题:1)评价历史上出现的干预对结果的影响;2)预测在一个环境中曾经经历过的干预在其他环境中的影响;3)预测历史上从没有经历过的干预在各种环境中的影响。
通常认为哲学和统计学