學科分類
統計學
學科編號
思維模型 ｜統計學003
簡介
看見兩件事一起發生，並不代表一個導致了另一個
英文名
Correlation vs Causation
統計學思維模型 統計類模型聚焦於不確定性和資料規律，幫助我們認識機率陷阱、避免認知偏誤，用資料客觀看待世界。
相關不等於因果
Correlation vs Causation
資料發現每年冰淇淋銷量與溺水身亡人數高度相關，但並不表示吃冰淇淋導致溺水——真正原因是夏天高溫，人們既愛吃冰淇淋又常去游泳，氣溫是背後共同因素。
看見兩件事一起發生，並不代表一個導致了另一個
簡介
在統計分析中，「相關性」描述的是兩個變數之間的變化趨勢是否同步，但相關不等於因果。也就是說，即使兩個變數數值上同時升高或下降，也不代表其中一個變數導致了另一個變數的變化。他們之間的關聯可能來自巧合、第三方變數影響，或根本只是看似相關。這是資料分析與推論過程中最常見的錯誤之一，若不加分辨，極易導致錯誤判斷與決策。
舉例來說，資料發現每年冰淇淋銷量與溺水身亡人數高度相關，但並不表示吃冰淇淋導致溺水——真正原因是夏天高溫，人們既愛吃冰淇淋又常去游泳，氣溫是背後共同因素。這個模型警示我們不可望文生義地將統計相關當作因果因果關係 。
為何重要？
錯誤地將相關性當作因果關係，會導致錯誤的策略執行與資源錯配。只有在找出機制或透過實驗驗證後，才能合理推論因果關係。這一思維模型幫助我們在面對數據與指標時，更加冷靜、科學與批判性地分析背後邏輯。
應用場景
- 市場數據與行銷策略 某產品銷量與社群媒體討論度呈高度正相關，不代表社群推廣導致銷售提升，可能是另有節慶促銷活動在背後發揮作用。
- 公共政策與社會觀察 某地區暴力犯罪與手機使用量同步上升，不代表手機導致犯罪，可能是人口密度或城市發展程度的第三變數在同時影響兩者。
- 工作指標與績效評估 公司業績與員工加班時長相關，但並不代表加班提高產出，可能是業務旺季導致兩者同時增加，而非加班直接提高業績。
- 生活與健康判斷 一項調查顯示每天喝兩杯咖啡的人更長壽，不等於咖啡導致長壽，可能這類人群普遍有其他更健康的生活習慣。
如何有效地使用？
- 主動尋找第三因素：觀察是否有潛在變數共同影響兩者
- 設計對照組與實驗設計：盡可能用實驗手段驗證假設
- 分清時間順序與邏輯鏈：觀察變化是先有 A 還是先有 B，是否有合理因果機制
常見誤解
不是所有相關性都是虛假的，也不是不能從相關性中找到啟發。但真正的因果推論需要更嚴謹的證據支持。僅憑統計數字、同時變動，就下結論，是草率且高風險的行為。
啟示 相關不等於因果提醒我們：看到兩件事一起發生，不是用來興奮地下結論，而是用來提問的開始。好的決策建立在對關係機制的理解上，而非對表面現象的誤判。
