Correlation Does Not Imply Causation
一起变不代表谁导致谁
相关性可能是巧合或第三方因素
统计学核心警示，两个变量同时变化可能是巧合、共同原因或反向因果，需要对照实验才能确立因果关系
两个变量相关不代表有因果关系：A和B同时变化可能是巧合、第三方因素或反向因果，不能直接得出因果结论。
相关性不等于因果性是指不能仅仅根据两个变量之间观察到的关联或相关性，就合法地推断出它们之间的因果关系。
相关性不等于因果是统计学和批判性思维的基本原则——两个变量相关（同时变化）不代表一个导致另一个。可能的解释：1) 巧合（虚假相关）；2) 第三方因素（C同时导致A和B）；3) 反向因果（B导致A而非A导致B）；4) 双向因果（A和B互相影响）。判断因果需要：1) 时间先后（因在前果在后）；2) 相关关系；3) 排除其他解释；4) 机制解释；5) 实验验证（随机对照实验）。应用：数据分析、科学研究、决策、媒体素养、批判性思维。常见误区：把相关当因果、忽视混杂变量、媒体误导。
相关性不等于因果（Correlation Does Not Imply Causation）的概念起源于认知科学领域的学术研究和实践探索。在其发展过程中，众多学者和实践者对其进行了不断的完善和应用，使其从一个专业概念逐渐发展成为被广泛应用的思维工具。这一概念的形成和发展反映了认知科学领域对相关问题认识的不断深化，也体现了理论与实践相互促进的发展规律。（基于认知科学学术史相关资料整理）
指相关性不等于因果发挥作用的内在原理和运作方式。理解核心机制是有效应用这一概念的关键，它解释了为什么这一方法能够在特定情境下产生预期的效果。（基于认知科学相关理论整理）
指相关性不等于因果能够有效发挥作用的前提和情境。任何思维工具都有其适用边界，在合适的条件下应用能够事半功倍，在不适用的情境下强行套用则可能适得其反。（基于认知科学应用研究整理）
指在应用相关性不等于因果时需要重点关注和调节的核心因素。这些变量直接影响着方法的效果，准确识别和管理这些变量是成功应用的关键。（基于认知科学实证研究整理）
指在应用相关性不等于因果过程中容易出现的认知偏差和操作失误。了解这些常见偏差有助于在实践中主动规避，提高应用的准确性和有效性。（基于认知科学行为研究整理）
首先判断当前面临的问题是否适合应用相关性不等于因果。分析问题的性质、涉及的因素和所处的情境，确认这一思维工具能够为问题解决提供有效的视角和方法。（基于认知科学问题诊断框架整理）
围绕问题收集必要的信息和数据，包括相关的背景资料、关键指标、利益相关方的观点等。确保信息的全面性和准确性，为后续分析奠定基础。（基于认知科学信息收集方法整理）
按照相关性不等于因果的核心原理和操作步骤对问题进行系统分析。识别关键变量，运用核心机制，推导出可能的解决方案或判断结论。注意结合具体情境灵活应用，避免生搬硬套。（基于认知科学分析框架整理）
将分析得出的结论或方案在实践中进行验证，收集反馈，评估效果。根据验证结果对方法和结论进行迭代优化，不断提高应用的准确性和有效性。（基于认知科学实证验证方法整理）
数据 → 分析数据时注意相关与因果的区别这一哲学原理在西方哲学史和东方思想传统中都有着深远的渊源，它触及了人类对世界和自身认识的根本问题。哲学家们通过数千年的思辨和论辩，不断深化着对这一问题的理解，他们的洞见不仅塑造了西方的学术传统，也为人类的精神生活提供了重要的思想资源。在今天这个科学昌明的时代，这些古老的哲学问题依然具有鲜活的现实意义。
科学 → 科学研究需要证明因果关系这个案例是哲学原理在人类思想和实践中的生动体现。哲学史上的许多重要概念，最初都只是少数思想家的个人洞见，但随着时间的推移，它们逐渐渗透到文化的方方面面，成为人们不自觉的思维方式。这启示我们，学习哲学不是为了掌握一套僵化的教条，而是为了培养一种批判性的、反思性的思维习惯。这种思维习惯，是独立思考和自由精神的基石。
决策 → 决策时不要被虚假相关误导这个案例是哲学原理在人类思想和实践中的生动体现。哲学史上的许多重要概念，最初都只是少数思想家的个人洞见，但随着时间的推移，它们逐渐渗透到文化的方方面面，成为人们不自觉的思维方式。这启示我们，学习哲学不是为了掌握一套僵化的教条，而是为了培养一种批判性的、反思性的思维习惯。这种思维习惯，是独立思考和自由精神的基石。
媒体 → 媒体常把相关当因果这个案例是哲学原理在人类思想和实践中的生动体现。哲学史上的许多重要概念，最初都只是少数思想家的个人洞见，但随着时间的推移，它们逐渐渗透到文化的方方面面，成为人们不自觉的思维方式。这启示我们，学习哲学不是为了掌握一套僵化的教条，而是为了培养一种批判性的、反思性的思维习惯。这种思维习惯，是独立思考和自由精神的基石。
认为相关性不等于因果是万能的——任何思维工具都有其适用边界和局限性，相关性不等于因果也不例外。它在特定情境下有效，但不能解决所有问题。把它当成万能钥匙，在不适合的情境下强行套用，只会适得其反。（基于认知科学方法论研究整理）
以为知道定义就等于会用——理解相关性不等于因果的定义只是第一步，真正掌握需要在实践中反复应用和反思。很多人停留在"知道"的层面，从未在真实问题中使用过，遇到具体问题时还是用老习惯。只有通过持续练习，才能将方法内化为思维习惯。（基于认知科学学习科学研究整理）
把相关性不等于因果当成教条生搬硬套——任何方法都需要结合具体情境灵活调整。相关性不等于因果提供的是一个分析框架和思考视角，不是必须严格遵守的操作手册。在实际应用中，需要根据问题的特点、可用的信息、所处的环境等因素进行调整，找到最适合的应用方式。（基于认知科学实践智慧整理）
忽视与其他工具的结合使用——相关性不等于因果只是众多思维工具中的一种，单独使用往往有局限。在实际分析复杂问题时，应该将多种思维工具结合使用，形成互补，从不同角度审视问题，才能获得更全面、更准确的认识。把相关性不等于因果当成唯一的分析工具，容易陷入单一视角的盲区。（基于认知科学跨学科研究整理）
相关性不等于因果与因果推断都是相关领域中的重要思维工具，都强调通过系统分析来理解和处理复杂问题。两者在应用场景和分析思路上有一定的重叠，都关注问题的核心要素和内在机制，能够帮助使用者在复杂情境中做出更理性的判断。在实际应用中，两者经常可以结合使用，从不同角度审视同一个问题。（基于相关理论对比整理）
相关性不等于因果更侧重于从特定视角切入问题，关注的是问题的某一类核心要素及其运作机制；而因果推断则有其独特的分析框架和关注重点，两者在分析的切入点、核心变量和推导逻辑上存在差异。相关性不等于因果适合在需要进行某类特定分析时使用，而因果推断则在另一类情境下更为有效。了解两者的差异，有助于在不同情境下选择最合适的工具。（基于相关理论对比整理）
相关性不等于因果与辛普森悖论都是相关领域中的重要思维工具，都强调通过系统分析来理解和处理复杂问题。两者在应用场景和分析思路上有一定的重叠，都关注问题的核心要素和内在机制，能够帮助使用者在复杂情境中做出更理性的判断。在实际应用中，两者经常可以结合使用，从不同角度审视同一个问题。（基于相关理论对比整理）
相关性不等于因果更侧重于从特定视角切入问题，关注的是问题的某一类核心要素及其运作机制；而辛普森悖论则有其独特的分析框架和关注重点，两者在分析的切入点、核心变量和推导逻辑上存在差异。相关性不等于因果适合在需要进行某类特定分析时使用，而辛普森悖论则在另一类情境下更为有效。了解两者的差异，有助于在不同情境下选择最合适的工具。（基于相关理论对比整理）
相关性不等于因果与A/B测试都是相关领域中的重要思维工具，都强调通过系统分析来理解和处理复杂问题。两者在应用场景和分析思路上有一定的重叠，都关注问题的核心要素和内在机制，能够帮助使用者在复杂情境中做出更理性的判断。在实际应用中，两者经常可以结合使用，从不同角度审视同一个问题。（基于相关理论对比整理）
相关性不等于因果更侧重于从特定视角切入问题，关注的是问题的某一类核心要素及其运作机制；而A/B测试则有其独特的分析框架和关注重点，两者在分析的切入点、核心变量和推导逻辑上存在差异。相关性不等于因果适合在需要进行某类特定分析时使用，而A/B测试则在另一类情境下更为有效。了解两者的差异，有助于在不同情境下选择最合适的工具。（基于相关理论对比整理）
「理解相关性不等于因果的核心，不在于记住它的定义，而在于在恰当的时刻能够自然地运用它。」
—— 认知科学领域学者（基于相关学术文献整理）
「每一个有效的思维工具，都是对复杂现实的一种简化。相关性不等于因果也不例外，它帮助我们抓住问题的关键，而不是被细节淹没。」
—— 基于认知科学经典论述整理
「知道相关性不等于因果是一回事，在正确的时间、正确的情境下正确地使用它，是另一回事。后者需要持续的练习和反思。」
—— 基于认知科学实践智慧整理
「所有的模型都是错的，但有些是有用的。相关性不等于因果的价值不在于它的完美，而在于它在特定情境下能够提供有效的指导。」
—— 基于统计学家George E. P. Box名言改编
来源：Statistics, critical thinking
深入理解「相关性不等于因果」的推荐书籍，点击链接可查看豆瓣详情或前往京东/淘宝购买。
推荐B站上关于「相关性不等于因果」的优质视频讲解，点击跳转B站观看。
评论区