面对因果关系，我们能做的就是猜测、验证和迭代。如果对因果关系的追寻有一个总原则的话，那就是保持谦卑。
如果两个变量之间是因果关系，成立的必要条件有哪些呢？
第一，如果两个变量之间是因果关系，那它们之间肯定有相关。
确定因果关系，不能只看这两件事情之间，而必须看到世界运作的全景。要是你还没有能力看到全景，那么请再一次保持谦卑，慎重下结论。
第二，两个变量之间有先后。
因果关系，必须原因在前，结果在后。
不要拿量子力学怼这个条件，量子力学只能用在自然界，不能用在人类社会这个层面。还有一些观点认为，人类社会存在反因果的案例，但我认为说服力都不足。当然，如果有了确切的证据，学术共同体有了新的共识，我们再调整认知。
第三，两个变量之间的关系不被第三个变量解释。
有这么一个故事：
一位女司机给4S店打电话，说：“我在超市，车发动不了了，你们来解决一下。”店里的工程师问：“你做什么了？”女士说：“我去买玫瑰花了。但是我买百合花，就没有这个问题。”工程师当然认为这是鬼扯，但是没办法，只好去了现场。你猜怎么着，女士说的一点没错，买百合车子就能发动，买玫瑰就不能。问题来了，现在经过了事实验证，你同意玫瑰花是导致汽车不能发动的原因吗？
事实上，工程师在现场发现，这家超市很奇怪，卖百合花的地方和卖玫瑰花的不在一个地方。百合花离停车场近，玫瑰花离停车场远。这样，女士买百合，回来车还是热的，很容易发动；买玫瑰，回来车就凉了，导致车辆冷启动困难，于是就发动不了。这才是真正的因果关系，和你买的是百合还是玫瑰没有关系。
现实世界是普遍联系的，各种事情交织在一起，这时候怎么寻找因果关系呢？整体思路是这样的：
先建立所研究问题整体的运行图景，说明各个变量之间的联系。然后去收集数据，让数据逼近这个理论图景。再然后，用数据验证这个理论。如果验证通过，就对理论更相信一点。如果不通过，就改进理论或者收集新的数据，再次验证。如此循环下去。
为什么寻找因果关系就这么难呢？因为缺少数据。
我们永远缺少数据。这就是社会科学中做因果关系的本质难题。这个难题有一个名字值得记住，叫“反事实难题”。
面对社会领域的“反事实难题”。我们需要要记住以下三个方面的认知：
-
只能对群体做因果推断，不能对个体做因果推断。
因为一个人不能既上了大学又不上大学，所以对于单独的个体，我们就不能做因果推断。我们只能在平均的意义上比较两组人，然后做出推断。 -
只能对因果关系做概率表述，不能做确定性的表述。
当我们说上大学可以提高收入的时候，只是概率性的。大部分上了大学的人比大部分没有上过大学的人收入高，但肯定存在反例。 -
随机试验不能完全解决问题，推广到总体时要很小心。
随机试验仅仅是对一部分人做试验，这部分人能不能代表人类整体，不能想当然。
网友评论