一句话说清
相关是「一起变」，因果是「如果我动它，它会怎样」——后者只能靠干预来回答。
为什么值得懂
入门篇《相关与因果》讲了三种关系：A 引起 B、B 引起 A、C 同时引起两者。这一篇要往下走一层，回答三个更硬的问题：为什么“手头的数据”永远答不了因果？要答它需要做什么？以及代价是什么？ 这三个问题决定了你能否分辨“研究说”和“研究真的证明了”，也是健康、育儿、投资、公共政策里最容易上当的地方。
零基础讲解
一、因果之梯：看、做、想象。 珀尔把因果问题分成三级台阶（珀尔、麦肯齐 / 《为什么》 / 第一章「因果关系之梯」）：
- 关联（看）：观察到 X 和 Y 一起变。这是统计能直接回答的部分。
- 干预（做）：如果我强行改变 X，Y 会怎样？这是“因果”，答案是 P(Y | do(X))。
- 反事实（想象）：如果当时没做 X，会怎样？这是责任与追责的语言（“要是当时刹车就好了”）。
关键差别在那两个符号：P(Y|X) 是看见 X 的条件概率，P(Y|do(X)) 是“施加 X”之后的结果分布，两者通常不相等。医学史上最著名的例子是吸烟与肺癌：上世纪五十年代并没有把人随机分到“吸烟组”和“不吸烟组”，但因果结论仍然站住了——靠的是一整套证据标准（时间先后、剂量反应、一致性、机制、排除混杂），这套标准后来被总结为“布拉德福德·希尔准则”。没有实验，也能确立因果，但要求更高、更慢。
二、观察数据为什么会骗人。 四种失效方式必须能一眼认出：
- 混杂：第三变量同时影响两边（冰激凌与溺水，共同原因是夏天）。
- 选择偏误：样本本身是筛过的。“这家医院的重症死亡率最低”可能只是因为它专收轻症，或者把重症转走了。
- 反向因果：不是 A 导致 B，而是 B 导致 A（“身体好的人才去运动”）。
- 对撞偏误：控制了一个“被两边共同影响”的变量，反而制造出假关联（研究“才华”与“颜值”的关系时，如果只看“成名的人”，会得到负相关——因为出名需要至少其中一项，这就是著名的对撞效应）。
珀尔把这些结构画成有向图，于是“该控制哪些变量”从玄学变成可计算的问题（珀尔、麦肯齐 / 《为什么》 / 第四章「混杂与去混杂」）。这是过去三十年因果推断最重要的进步：不再靠“我觉得控制了变量”，而是靠图来判断控制得对不对。
三、怎么真的回答因果：实验与准实验。 费希尔在《实验设计》第一章给出的核心思想至今没变：随机化（费希尔 / 《实验设计》 / 第一章）。随机分组的妙处在于——它对所有混杂因素（包括你没想到的）做了“长期看会打平”的处理，于是组间差异可以归因于处理本身。这也是“随机对照试验（RCT）”成为黄金标准的原因。
但大量问题不能随机：吸烟、地震、政策改革、灾后援助。于是有了准实验方法：
- 自然实验：某条政策恰好只影响一部分人（如某州提高最低工资，邻州没提）。
- 双重差分（DID）：比较“处理组前后变化”与“对照组前后变化”之差，前提是平行趋势。
- 断点回归（RD）：用一条人为的分数线（考试差一分、年龄差一天）把相似的样本切开。
- 工具变量（IV）：找一个只通过 X 影响 Y 的外生变量，前提是“外生性”这条很难验证的假设。
密尔在《逻辑体系》里系统整理的“求同法、求异法、共变法、剩余法”（密尔 / 《逻辑体系》 / 第三卷第八章），正是这套思路在统计时代之前的雏形。方法变了，逻辑没变：比较，必须比较得干净。
四、从“存在效应”到“该不该做”。 就算确立因果，离决策还有三步：效应大小（effect size，不是“显著/不显著”）、外部效度（这个结论在别的人群、别的国家、别的年代还成立吗），以及成本与可行性（拿到这个效应要付出什么代价、在你这儿做不做得到——一个真实但太贵、或者根本没法执行的效果，等于不能用）。一个经典教训是“小规模试点效果很好、推广后消失”——通常是因为试点由最积极的人执行、参与者是自愿的。因果推断解决“是不是有效”，不解决“在你这能不能有效”。
一个例子
冰激凌销量与溺水人数高度相关，结论当然不是“冰激凌导致溺水”——第三变量是夏天。但更值得学的是那个反例：控制错了变量也会出错。假设有人研究“游泳技术”与“溺水风险”，如果只在“去过深水区的人”里比较，会得到“技术好的人风险更高”的荒谬结论——因为“去过深水区”同时受“技术”和“胆量”影响，被控制后产生了假关联。
现实里这类错更隐蔽：某医院上线人工智能预警系统后，“抢救成功率上升”——听起来是系统的功劳，但如果系统让人更早地给病人贴上了“高危”标签，纳入统计的重症比例就变了，成功率自然变了。这就是“用观察数据评估干预效果”的典型翻车方式。 正确做法是找一个干净的对照组（同期未上线的医院），做双重差分。
常见误解
- 以为相关没用：关联是因果研究的起点，也是发现因果的主要线索来源。
- 以为控制了变量就一定干净：控制错误的变量（对撞因子）会制造出新偏差。
- 以为只有 RCT 算证据：吸烟与肺癌、地震与政策评估都靠准实验与证据体系站住了脚。
- 以为“统计显著”就是重要：显著只说明“不太可能是偶然”，不说明效应大、更不说明值得做。
应用场景
- 生活：看到“每天喝 X 的人更长寿”的标题，先问三句——样本是怎么选的、有没有第三变量、结论在别的人群里复现过吗。
- 职场：评估一次改版或一次培训的效果，别用“上线前后对比”（会混入季节、活动、同期变化），用同期未受影响的部门作对照。
- 写作与创作：写侦探与写商战，让角色按“干预—对照”的方式推理；让他排除掉一个看似合理的混杂因素，比让他灵光一现更可信。
关联知识点
- 相关与因果（correlation-causation，本篇的入门篇）
- 逻辑谬误（logical-fallacies，把相关当因果是最常见的谬误之一）
- 贝叶斯更新（bayesian-updating，证据的区分度决定你该改多少信心）
- 反馈回路（feedback-loops，因果常常是环形的，不是单向线）
- 期望值（expected-value，即使有因果，也要看效应大小与代价）
- 所属主线：因果与系统、风险与概率