{"url":"https://795309.jiebestln.com/library/concepts/correlation-not-causation","article":{"slug":"correlation-not-causation","category":"concepts","keyword":"相关性与因果关系","title":"相关性与因果关系｜相关性不等于因果：从散点图到可核实的解释","description":"围绕「相关性与因果关系」，观察两个变量是否一起变化，可以帮助发现值得进一步研究的问题。例如某个样本中训练时长较长的选手成绩也较高，先能描述的是样本里的关联。不能仅凭这一点断言增加训练时长必定造成同样幅度的进步，因为选手基础、训练质量和参与选择都可","keywords":["相关性与因果关系","相关不等于因果","相关系数是什么意思","散点图怎么看","相关性判断误区"],"aliases":["相关不等于因果","相关系数是什么意思","散点图怎么看","相关性判断误区"],"status":"published","content_date":"2026-11-15","summary":"观察两个变量是否一起变化，可以帮助发现值得进一步研究的问题。例如某个样本中训练时长较长的选手成绩也较高，先能描述的是样本里的关联。不能仅凭这一点断言增加训练时长必定造成同样幅度的进步，因为选手基础、训练质量和参与选择都可能不同。把观察结果和原因解释分成两句话，是避免夸大证据的简单办法。相关分析提供线索，不自动提供机制。","sections":[{"heading":"相关先描述一起变化的现象","paragraphs":["关于「相关性与因果关系」，下文从「相关先描述一起变化的现象」与「画图之前把记录配对正确」展开说明，并结合后续章节梳理相关概念。","观察两个变量是否一起变化，可以帮助发现值得进一步研究的问题。例如某个样本中训练时长较长的选手成绩也较高，先能描述的是样本里的关联。不能仅凭这一点断言增加训练时长必定造成同样幅度的进步，因为选手基础、训练质量和参与选择都可能不同。把观察结果和原因解释分成两句话，是避免夸大证据的简单办法。相关分析提供线索，不自动提供机制。"]},{"heading":"画图之前把记录配对正确","paragraphs":["散点图中的每个点应当是一对对应观察，例如同一选手、同一阶段的训练时长和成绩。若两个列表分别排序后再按行拼接，就会人为改变关系。还应统一时间范围和单位，标记缺失配对，以及检查重复记录。赛事跨平台聚合时，名称相似并不总是同一个对象；实体匹配错误足以制造虚假的关联。先确认每个点代表谁、什么时候和哪次测量，再解释图形。"]},{"heading":"系数接近零也不能排除所有关系","paragraphs":["常见线性相关系数关注线性联系。若数据呈现弯曲、分组或其他结构，一个接近零的线性系数并不能概括全部情况。可以先查看散点分布，再决定是否需要不同模型。异常点也可能明显影响系数，所以不能只展示一个数值而完全隐藏原始图形。没有必要为了得到显著系数不断换组、换时间窗；分析规则应尽量在看结果之前说明。"]},{"heading":"共同因素可以制造同步变化","paragraphs":["设想夏季冰饮销量和泳池人数同时上升，温度就可能是影响两者的共同因素。它们一起增长不表示卖出一杯冰饮会直接让某个人游泳。类似地，网站访问量与错误数同时变多，可能只是请求总量增加，需进一步看错误率和负载。区分总量与比例、同时性与时间先后、观察与干预，有助于减少听起来顺畅但缺少支持的故事。"]},{"heading":"怎样写一段不过度推断的结论","paragraphs":["可写“在本次样本和时间范围内，两项指标存在某种关联；尚未控制哪些因素，因此不能单独认定因果”。若要研究原因，需要结合领域知识、研究设计和适当验证，而不只是再算一次同样的系数。把可能解释列成待检验假设，并提出能够区分它们的数据需求，比直接宣称找到规律更有用。尤其不要把历史关联包装成体育、彩票或随机游戏的确定预测方法。"]}],"sources":[{"name":"统计方法参考资料"}],"related":["arithmetic-mean-example","median-sorted-data","weighted-mean-denominators"]},"published_at":"2026-11-17T00:28:27+08:00","modified_at":"2026-11-17T00:28:27+08:00","content_hash":"3ad8d794e8ea7d25e42a2f487872516f7fd7b38f187929395c48e2012427773a"}