相关不蕴涵因果
外观
(重定向自相關不證明因果)
相关不蕴涵因果(英语:correlation does not imply causation),又称为相关不代表因果,是科学和统计学经常强调的重要观念,意思是若两个事物(统计学上会用变数代表)有明显的相关时(即当一件事出现,另一件事也出现),不一定表示两者之间有因果关系。
例如人口增加与交通事故增加具有正相关,不代表两者有因果关系,尤其不代表人口增加导致更多交通事故增加,而是有其他因素的存在,又如冰淇淋销售量增加与溺水死亡的人数成正相关,不能推论成冰淇淋会造成溺水,而是因为气温升高,买冰淇淋与从事戏水的人数都同时增加,在同样的概率之下,溺水死亡的人数当然也会增加。若为德州神枪手谬误、伯克森悖论,甚至无因果关系。
相关证明因果
[编辑]相对地,相关证明因果(英语:correlation proves causation)、与此故因此(拉丁语:cum hoc ergo propter hoc)即是认为当两变数相关时,必有因果关系,这是一种非形式谬误。
一个实际的例子是流行病学研究曾发现,接受激素替代疗法的妇女,发生冠心病的比率较一般人低,使医界一度认为激素替代疗法有预防冠心病的效果。然而后续的随机对照实验显示,激素替代疗法会使冠心病的发生率增加。重新分析资料后发现,接受激素替代疗法的妇女社会地位多半较高,她们通常有较好的饮食、运动习惯,因而比较不容易发生冠心病。[1]
参考文献
[编辑]- ^ Lawlor DA, Davey Smith G, Ebrahim S. Commentary: the hormone replacement-coronary heart disease conundrum: is this the death of observational epidemiology?. Int J Epidemiol. June 2004, 33 (3): 464–7. PMID 15166201. doi:10.1093/ije/dyh124.
参见
[编辑]外部链接
[编辑]- (英文)NOTES - UCLA 81st FACULTY RESEARCH LECTURE SERIES (页面存档备份,存于互联网档案馆)
- (英文)Causal inference in statistics: An overview (页面存档备份,存于互联网档案馆)
|