相关关系的陷阱，在学习数据中错把关联当因果时

"看视频多的学生成绩高。那就让所有人都多看视频吧。"这听起来在理，却是危险的推论。因为很可能并不是多看视频抬高了成绩，而是本来就认真的学生视频看得多、成绩也高。两个数字一起变动，并不意味着其中一个是另一个的原因。学习数据解读中代价最高的失误，正是这种把相关与因果混为一谈。

让人误判因果的几种模式

下面三个陷阱尤其要当心。三者都会从毫无问题的数据里得出荒唐的结论。

1. 隐藏的第三变量：像学习动机或家庭环境这样，存在着同时推动两个指标的看不见的原因。若动机高的学生既多看视频、成绩也提高，那么视频就不是原因，而只是动机的另一个结果。
2. 反向因果：箭头可能和我们想的正相反。也可能是成绩提高、有了自信的学生才更多地去看视频。原因和结果颠倒了过来。
3. 样本偏差：如果分析中只保留把视频看完的学生，那就等于只在本来意志就强的群体之间作比较。那个差异来自意志，而不是视频。

数据老实展示给我们的，到"它们一起变动过"为止。"所以其中一个是原因"，不是数据，而是我们添上去的故事。

谨慎追究因果的办法

完美的证明很难，但按下面的步骤，可以一级一级提高结论的可信度。

• 小规模对比实验：只给一个班加上视频，与条件相近的另一个班比较结果。只有控制了条件的比较，才最接近因果。
• 第三变量核查：事先把第三变量的候选写下来，连它们也一并用数据确认。若怀疑是动机，就把动机也测一测。
• 先后关系：确认时间顺序。原因必须发生在结果之前。顺序一旦颠倒，因果也就颠倒了。
• 重复验证：把一次的结果放到别的学期、别的班级再重现一遍。一次的偶然，不会重复很多次。

在现实的学校里，完美的控制实验很难做到。但也不必因此气馁。关键不在于证明因果，而在于养成在断定因果之前先停一拍的习惯。在决定"让学生多看视频"之前，先问一句"会不会有别的原因"，光是这样就能滤掉一半的错误。数据越丰富，我们下结论就越要谨慎。因为数字变多了，因果绝不会自动变得清晰。

要点总结

学习数据中最常见也最昂贵的错误，是把相关草率地翻译成因果。请怀疑隐藏变量、反向因果与样本偏差，尽可能用受控的比较来验证。在"一起变动过"与"所以它是原因"之间，横着一座名为谨慎验证的长桥。跳过这座桥，就算数据毫无问题，也会把学生引向错误的方向。