我们普遍认为定期体检的人更长寿，但事实真的是这样吗？
多项研究表明，定期接受体检并不是健康长寿的原因。真实情况是，定期接受体检的人群普遍比较关注健康，而这些人群更长寿。因而，定期接受体检和健康长寿之间是“相关关系”而非“因果关系”。
这样的例子还有很多，比如：少吃就能减肥，结婚带来幸福，上好的大学就能获得高收入等。这些因素间都存在相关关系，但不构成因果关系。
混淆因果关系和相关关系，会导致错误判断。于是出现了“智商税”，而且在互联网环境下还会被放大。
广告就很擅长玩这种“包装”的游戏，引导消费者产生因果关系的联想。例如：吃了保健品后老人更健康，用了某种护肤品后皮肤变白皙，吃巧克力后获得好心情，用了某牙膏后牙齿变白于是与爱人更亲密……在这样的因果关系的联想与暗示下，我们爽快买单。
当然，以上这些广告只是用了宣传技巧，并无伤大雅。但如果超过了一定的度，夸大甚至错误，那就是妥妥地在诱导我们交智商税无疑。比如最近风靡的“小颜整骨”，声称通过专业手法对头部、脸部的骨头进行微调和纠正，从而达到使面部更对称、饱满、紧致等的功效。对此，医学专业人士澄清道，成年后人的头骨骨缝已经闭合，并且非常结实，光靠人手根本不可能调整。
我们或多或少都交过智商税，大小而已。是因为我们太笨吗？不是，是因为我们缺少判断是非的技巧。有心人精心包装引我们上钩，不小心就会走进“瓮”中。
我们需要的是擦亮双眼，拨开迷雾见真相。
那么如何才能炼成一副“火眼金睛”，更准确清晰地洞察真正的因果和底层逻辑呢？
这本《原因与结果的经济学》会对你有所启发。它讲的是因果逻辑思维与因果推理的思考方法。深入浅出，是比较适合普通大众阅读的一本科普书。
本书曾荣获日本《周刊钻石》杂志 2017 年最佳经济类图书第 1 名。
▲《原因与结果的经济学》
作者中室牧子和津川友介是两位重量级学霸。
中室牧子是哥伦比亚大学公共管理硕士、教育经济学博士，专攻教育经济学研究。曾就职于日本银行、世界银行等。其另一本作品《学力的经济学》曾获日本经管类图书大奖的亚军。
另一位，津川友介，则是哈佛大学公共卫生硕士、医疗政策学博士，专攻医疗经济学和医疗政策学研究。他本人也是加州大学洛杉矶分校的助理教授。
《原因与结果的经济学》分为8章，分别介绍了因果判断的基本概念和四大类分析方法。
☞基本概念:
1章：因果关系VS相关关系
☞方法论和证据（证据金字塔）：
2章：元分析和随机对照试验
3章：自然实验
4-7章：准实验
8章：回归分析
🔍01 因果关系VS相关关系
如何不受无稽之谈的蒙蔽。需要区分这两个不同的关系概念，即“因果关系”和“相关关系”。
若有两个事件A和B。因果关系指的是，A是引起B发生的原因，即因为A所以B；而相关关系则指的是，A变化后B也跟着变化，但A和B之间不存在一方是另一方的原因。
判断因果关系的三个要点：
1）是否纯属巧合？
数据有的时候也会“说谎”。假如A和B两个事件，从数据上看确实是B随着A的增加而增加或减少，甚至A和B的数据走势从图表上看存在非常强的相关，但这并不能说明A就是B的原因，因为这有可能“纯属巧合”。比如，百货商店的皮鞋销量和奥运会上我国获得的奖牌数、影视演员的年龄和某地区发生山体滑坡的次数、学生人数和今年的下雨天数等。
2）是否存在“第三变量”？
有的时候，会存在同时影响A和B的“第三变量”，术语称“混杂因素”。在它的影响下，相关关系的A和B看起来像是因果关系，从而影响我们的判断。
例如，有人认为，体力好的孩子学习能力也会比较好。但他们可能忽视了其他的可能同时影响到体力和学习能力的因素，比如父母对教育的热衷程度。如下图：
▲混杂因素
我们可以看出，父母对教育的热衷程度就是这样一个“混杂因素”。
3）是否存在“逆向因果关系”？
有的时候，A和B确实存在因果关系，但我们还需要分析它们的因果方向，以防将B是A的原因误解为A是B的原因。
比如警察多的地区犯罪案件数量也多。显然，“因为警察多所以犯罪案件多”不合理。而因为犯罪数量多，所以部署了更多的警察，才是更合理的解释。
🔍02 如何证明因果关系？
证明因果关系的关键，在于“反事实”。
若我们认为，因为A所以B，那么我们可以通过对比——“事实”中A发生后的B、“反事实”中A未发生时的B’——来验证这种因果关系。
“反事实”是因果推理中最重要的概念。制造“反事实”，是因果推理的各种方法的根本所在。
而现实生活中，因为我们没有时光机，不可能回到过去，使得制造“反事实”成为了难点。因此，经济学家们运用各种方法，制造“可比较”的组，来模拟“反事实”。并将这些方法和证据分等级。如下图（称为“证据金字塔”）：
▲证据金字塔
证据等级越高，可信度越高。
1）元分析。
对于同一主题的研究有时会得出不同的结论，这时需要用到元分析。元分析意为“高层次的分析”，是一种综合多项研究结果，从整体上论证变量关系的研究方法，多为专业人士或研究人员所用。
2）随机对照试验
首先，通过抽签、随机数、投掷硬币等方法将研究对象进行随机分组，使这些组“在统计学上的差异不具有显著性”。然后，对某些组施加干预，而另一些组不施加干预。不施加干预的组称为“对照组”，用它们来替换干预组如果没有受到干预时的“反事实”。最后，比较干预组和对照组，得出结论。
比如，研究吃糖对小朋友蛀牙的影响。把小朋友随机分成甲组和乙组，甲组每天吃一颗糖，乙组不让吃糖。经过一段时间的观察和记录，对比两个组的数据，得出结论。这里，甲组是干预组，乙组是对照组。
▲糖果
3）利用与实验类似的偶发现象进行自然实验，及模仿实验的“准实验”
由于现实中的各种原因，有时候不方便或不能进行随机对照试验。这时候，我们还可以利用一些现有的条件进行更方便的自然实验。
自然实验方法中，我们顺势而为，利用自然现象或社会现象等外部的冲击因素，自然地将研究对象分成干预组和对照组。然后观察、对比并验证结果。
大数据时代为自然实验提供了良好的基础，我们大可以巧妙使用已有的各种调查和日常经济活动中观测和记录的数据资源，提取和设计干预组和对照组来分析我们的问题。
比如，在研究医生性别与患者死亡率是否存在因果关系时，使用了住院医师（不对外坐诊，只治疗住院患者的内科医生）的病患诊治记录数据。由于住院医师的轮班制，所以排除了患者对医生性别的选择性偏差。
▲医生性别对患者死亡率的影响
然而，可以从现成的大数据或外生冲击因素中，找到类似对照实验的情况毕竟有限。这时，我们可以通过统计学方法或观测数据来“模仿”随机对照实验。这种方法称为准实验，如：双重差分法、工具变量法、断点回归法、匹配法等。
4）回归分析
当我们掌握了一些数据，但并不适合评估因果关系时，可以使用回归分析。它是一种更为学术的分析方法，需要借助图表，并辅助以作图的手段进行。
回归分析分为一元回归分析和多元回归分析。其中多元回归分析可以排除混杂因素的影响。
使用统计分析软件，让回归分析更准确和方便快捷。
🔍03 因果推理的5个步骤
1）原因是什么
2）结果是什么
3）确认三个要点
即是否“纯属巧合”、是否存在“第三变量”、是否存在“逆向因果关系”。
4）制造反事实
可通过上文介绍的四大类方法和工具，或其他合理手段。
5）调整到可比较的状态
可以通过适当的调整以达到用最贴切的值替换反事实。
对比事实和反事实，分析，得出结论。
🔍🔍🔍
世界变幻莫测。犹如手机，表面是人机交互界面，内里却是错综复杂的电路模块和排线。成功人士的故事里也往往只包含了事实，而不包含反事实。我们在真真假假的信息面前战战兢兢。
“就连数据也会说谎，故只有乘上统计方法的时光机，追溯到根源，才能找出事件背后真正的原因。”
《原因与结果的经济学》归纳的判断因果的 5个步骤、四大类方法，帮助我们瞬间洞察因果关系，优化生活工作方方面面的重要决策。
更重要的是，我们需要从中习得一种质疑的思考方式。从人云亦云的桎梏中挣脱。
具备了因果逻辑思考的框架，即使日常生活中不便进行精密的研究和繁琐的实验，也能主动寻找线索、简要分析、查阅他人的分析结果等，从而看得更深，为自己的决策和行为提供更理智的支持。
爱默生说：“浅薄的人相信运气，强大的人相信因果。”
独立思考无比重要。凡是有所建树的人，无不善于独立思考。
而你也可以拥有这种能力。
- End -
「本文由 @粥粥Laraine 原创，版权归原作者所有。文中图片均来自网络」
网友评论