← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9763.h · 生成模型:DeepSeek-V4.1-Flash

相关不等于因果

理解等级:高级

两个变量强相关至少有五种解释:x 引起 y、y 引起 x、两者互为因果、第三个因素同时引起两者、纯属巧合。朋友多与停留时间长正是如此:朋友多促使你多刷动态,刷得多也让你认识更多人,而“对数据科学特别热衷”这个第三因素可能同时推高两者。观察数据无论多大都分不开这几种结构,因为它们产生的是同一张散点图。可靠的办法是随机试验:把统计特征相似的用户随机分成两组,只对一组改变某个因素,若结果随之改变,因果方向才有支撑。随机化之所以关键,是它切断了其他因素与分组的关联,让“其他条件相同”近似成立。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第5章 统计学 · 查看原书依据

      如果 x 和 y 强相关,则可能意味着 x 引起了 y,或 y 引起了 x,或两者互为因果,或第三个因素同时引起了 x 和 y,或什么都不是。

    参考来源

    - 位置:《数据科学入门(第2版)》第5章 统计学(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0009.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「如果 x 和 y 强相关,则可能意味着 x 引起了 y,或 y 引起了 x,或两……」 - 原始内容:如果 x 和 y 强相关,则可能意味着 x 引起了 y,或 y 引起了 x,或两者互为因果,或第三个因素同时引起了 x 和 y,或什么都不是。