相关性定理-相关性定理关键词

今天那个关于“相关性”的理论，听着真像那门《高等数学》里第一章刚讲完样题时的感觉。
本来是想说啥逻辑关系，结局脑子里蹦出来的全是“皮亚诺公理”和“归纳法”，这俩玩意儿跟宏观经济的“相关性定理”仿佛没啥瓜葛。
不过既然你问了，那我就把脑子里那点乱糟糟的念想掰扯一掰，看看这个在统计学界要么社会学里确实算得上“金标准”的家伙到底是个啥鬼。 回想当年刚接触相关系数的时候，脑子里的图像是那样：你盯着一个散点图，左腿往右腿伸，右腿往左腿伸，那个斜线切过原点，就像把两个东西死死绑在了一起。
这时候你会认定，A 涨 B 就涨，A 跌 B 就跌，这玩意儿是不是比啥“因果”更稳？确实稳。出于只要数据够全，趋势一旦跑偏就逃不掉。 但你要是真去读那本厚厚的《统计学导论》，你会发现所谓的“相关性定理”，实际上是个伪命题。它告诉你的是“伴随”而非“因果”。
比如二战期间，美国造的钢材、水泥、轮胎、飞机零件，还有德国造的坦克、飞机，还有啥，都跟“日食”这个现象严丝合缝地绑在了一起。
可是形成了啥呢？日食。战时没人关心日食，只关心能不能造出飞机。日食跟电子产品造之间，没有任何逻辑上的因果链条。它们只是与此同时存有，要么说，在同一个工夫点被统计在了同一个样本矩阵里。
这就是典型的“伪相关性”——不是 A 害得了 B，而是 B 的出现让 A 也出现了，最终两个人凑成了“在一起”的假象。 再举个更生活化的例子。
你看过那些关于“奶茶销量与加班时长”的研究吗？往往一出来，结论就猛得一逼：加班越久，奶茶喝得越多，两者高度相关。
这听起来仿佛特别有道理，是不是？但你真去挖点资料，会发现那些喝奶茶的大伙，往往都是两班倒，要么周末食堂排队多的人。他们的共同点就是“工作”，而不是“奶茶”。
要是你的奶茶公司能搞个实验，邀请那些一天只干两小时活、节假日能睡个整觉的“亲姐姐们”来当对照组，要么干脆全关掉奶茶，你会发现销量确实会断崖式下跌。但这不代表“喝奶茶”这件事就是由“加班”造成的。它们只是共享了某些背景变量，比如“缺钱”要么“被老板要求务必加班”。
这就好比说“下雨害得地滑”，实际上是出于“天在下雨”，地滑是下雨的自然结局，但这不代表“下雨”彻底是出于“地滑”。
有时候根本就没雨，地却滑了，这就是另一种形式的混淆。 这就引出了那个常被漠视的难题：为啥我们总认定 A 和 B 挺搭？出于人类的大脑喜爱找规律，喜爱因果归因。当我们看到一堆数据点像藤蔓一样缠绕在一起时，第一反应一般是“这是因果”，“这是必然”。可一旦你抽离掉背景，剥离掉那些难以量化的中间变量（哪怕它看起来像变量），你会发现那条线只是无数条偶然重叠的轨迹。 举个例子，有个研究说“穿高跟鞋的人更好办发胖”。乍一听这逻辑通顺，高跟鞋让脚肿，脚肿胖了，腿更粗了，这不就是因果吗？但你换个角度，那些穿高跟鞋的女士，往往是出于换了新工作、搬到了写字楼、要么出于忒瘦了想通过增高来掩饰。她们可能根本不吃糖，每天跑步两小时，只是为了穿高跟鞋而穿高跟鞋。
这时候，发胖的缘由就是“少了运动”要么“饮食失调”，而不是“穿高跟鞋”。穿高跟鞋只是那个结局，而不是缘由。
要是你强行切断高跟鞋和发胖之间的因果链条，因果关系依然存有。 还有一个更直接的例子，就是当年那个著名的“前任效应”研究。
有人说，和前女友分手的人，婚后出轨的概率更高。
这听起来像是分手害得了出轨，对吧？但仔细看看数据，分手率实际上和出轨率彻底一样，彻底一样。
也就是说，分手的人和出轨的人，他们之间没有任何区别。他们唯一的区别就是“有没有前任”这个变量被统计出来了。
实际上他们和那些“没前任”的人，在性格、收入、家庭背景上可能全是一模一样的。所谓的“前任效应”，实际上就是把一组人（前任+出轨）和另一组人（非前任+单身）强行拼在一起，然后计算出来的一个假性关联。
这就像把一群穿着红衣服的人和一群穿着绿衣服的人重合在一起，算出一个“红绿高度相关”的结论，却忽略了他们同归于同一个背景环境的事实。 这就涉及到心理学上那个著名的“马尔基诺效应”——倾向性。
要是你认定某人坏，你就更好办观察到他的坏行为，而忽略了其他人表现出的好行为。
这就害得你在分析数据时，样本本身是带有偏见的。
你想证明“加班害得发胖”，但你找的客户全是“爱喝奶茶的”，出于你要去证实“加班和奶茶相关”这个结论。
这就像拿着放大镜去检查森林，只盯着那些灌木丛，最终得出的结论是“灌木丛和阳光高度相关”，实际上森林才是真相。 还有一个更冷僻但同样有力的例子。
有人做过一项研究，说“拥有更多宠物的人，抑郁症状更轻”。乍一看，这像是宠物的陪伴治愈了抑郁。但你对照一下现实，那些养宠物的人，往往是那些经济条件好、有空闲工夫、情感需求较高的人。而那些没宠物的人，可能生活简朴，社交圈子小，要么本身就是那些已经心理调试好的“直男”要么“直女”。
这时候，宠物和抑郁的负相关，实际上就是“社会经济地位”要么“个人情感成熟度”的中介变量。你切断掉了这些中间变量，直接说宠物和抑郁不相关，这本身就是一种过度简化。 故此你看，所谓的“相关性定理”，实际上更像是一个统计学的游戏规则，而不是物理世界的定律。它准你在没有管住变量的情况下，发现两个变量的“纠缠”，但一辈子无法保证那纠缠背后的逻辑链条是稳固的。它就像是一个雷达，能告诉你啥和啥与此同时亮着、与此同时闪烁，但它告诉你不了：是风把灯泡吹了？还是灯泡自己坏了？还是出于刚刚那个路过的人顺手把灯拔了？ 这就回到了那个最本质的难题：相关性，只是工夫轴上的重合，要么是概率空间的交集。它告诉我们“它们在一起”，却没告诉我们“它们在一起是出于啥”。在追求因果的时候，我们往往好办掉进这个陷阱，当作那个在散点图上斜率最大的线，就是因果的箭头。 实际上，真正揭示因果关系的理论，往往不是那个好办的数学公式，而是更复杂的机制模型。你需求引入中介变量、管住变量，就连直接进行实验（A-B 实验）。
有时候，你就连不需求证明“出于 A 故此 B"，只需求证明“在管住了 C 之后，A 对 Y 的影响显著增添”就能够了。 最终再想个那个最直白的例子。
比如你发现“喝牛奶的人脑血流量比喝可乐的人多”，这看起来像证据。但要是你管住住了年龄、体重、是否规律运动、是否时常熬夜，你依然会认定“喝牛奶”和“脑血流量”相关。
这时候你明白，真正的因果可能是“营养摄入”而不是“牛奶”本身。
牛奶只是载体，真正起功能的是你喝进去那一杯里的蛋白质和钙。
故此，相关性定理告诉我们，别看牛奶和血流量是绑定的，但它们之间的因果关系，实际上还得倒查一下，是不是由“蛋白质”要么“钙”这一根更核心的线串出来的。 这就解释了为啥我们在大数据时代，越来越不敢轻易下结论。出于数据忒多忒杂，挺好办把那些“巧合”拉成一条线。
不要迷信那些好办的统计展示，要警惕那些好办的故事。
毕竟，世界上的东西，大多时候都是在纠缠，而极少是因果。 故此，下次再看到那个在 S 形曲线上的数据，要么那个在散点图上斜率庞大的回归线，先别急着大喊“因果”。先问问自己：除了这个线，还有哪些变量可能与此同时影响了它？要是只有这一个变量，那确实可能是因果；要是有无数个变量在暗中舞蹈，那这只是一场漂亮的、但毫无意义的“相关性幻觉”。 这大约就是为啥咱们在验证一个理论时，一直喜爱再想一步、再问一重、再挖一个洞。出于有时候，那个看起来最顺理成章的“相关性”，背后隐藏的，可能就是那些我们为了掩盖真相而精心编织的网。