相关性和因果性

一、如果A和B相关，有至少五种可能性：

1. A导致B

2. B导致A

3. C导致A和B

4. A和B互为因果

5. 小样本引起的巧合

二、相关是线性关性。非线性的因果关系对应的相关性可能会减弱或消失。

统计上A和B具有线性（或者非线性）关系，通常代表A的变动和B的变动存在同向或反向的关系。但相关性并不解决相关性是如何来的，谁引起的，是否具有一致性。

通常计量上的因果指的是格兰杰因果，定义如下：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。因果性是用来进行预测的，即宏观世界中，当X为Y的因，那么X在时间线上要早于Y发生，那么加入X变量之后，对Y的预测优于单纯的ARIMA预测，在符合一致性和无偏性时，那么我们认为X格兰杰引起了Y（即X为Y的格兰杰因）。

在应用上，相关性并不能用来做预测。

因果关系的条件是很苛刻的，严格意义上说，目前科学大部分的结论（哪怕是公理）都只是相关关系。因为适用的场景不同，因果关系可能改变。比如万有引力和苹果落地在其他星球可能构不成因果。所以，在写论文的时候，一般都写A和B正相关/负相关，置信水平是多少之类的。

价值判断中，因果关系是不存在的，自然界中，因果关系是极少的。