知识卡片
相关性不等于因果性
内容
两个变量存在统计相关，只能说明它们的走势有关联，不代表其中一个导致了另一个——经典例子是美国各城市收入与计算机博士数量高度相关（相关系数达0.9978），但两者更可能是被经济增长等第三方因素同时驱动，而非互为因果。相关性可以在探索阶段提供研究方向的线索，但要证明真正的因果关系，还是需要靠受控实验或严谨的因果推断方法，不能直接把相关系数当因果证据用。
参考来源
- 位置：《数据科学工程实践》第7章《如何比较两个策略的效果》"7.1.1 相关性谬误"一节（源文件：_epub-src/OEBPS/Text/part0038.xhtml）
- 结论依据：原文明确"相关性是因果关系的前提，但并不是所有的相关性都有因果关系，相关并不意味着因果"，并以美国商业中心收入与计算机专业博士数量"相关系数达到了0.9978"但"两者的相关关系可能由于其他变量（例如经济增长、竞争强度等）导致，甚至也有可能完全是因为巧合"为例。
- 原始内容：相关性是因果关系的前提，但并不是所有的相关性都有因果关系，相关并不意味着因果。在相关性谬误的经典例子中，美国商业中心收入和计算机专业博士的数量显现出了极高的相关性……相关系数达到了0.9978。但这不能证明两个现象之间存在因果关系，实际上两者的相关关系可能由于其他变量（例如经济增长、竞争强度等）导致，甚至也有可能完全是因为巧合。