做數(shù)據(jù)分析時(shí)，如果提前知道一些常見的誤區(qū)，能提高我們不少工作效率。本文分享的因果陷阱這種概念，能幫大家避免此類誤區(qū)。

做互聯(lián)網(wǎng)應(yīng)用運(yùn)營(yíng)同學(xué)經(jīng)常會(huì)遇到這樣的問題，當(dāng)增加廣告或者發(fā)放更多的優(yōu)惠券時(shí)，最終訂單支付率也會(huì)增加，兩者之間的相關(guān)性很高

例如：

（a）在廣告投入每增加10%，支付失敗率從10%增加到15%。

（b）在廣告投入沒有增加的時(shí)候，支付失敗率維持在10%。

因此就推斷可能是增加廣告投入導(dǎo)致了支付失敗率的增加。

盡管數(shù)據(jù)顯示了廣告投入和支付失敗率之間的高度相關(guān)性，但這并不能確定廣告投入就是支付失敗率增加的原因。實(shí)際上，增加廣告投入可能吸引了更多的新用戶來到網(wǎng)站，而這些新用戶對(duì)網(wǎng)站的產(chǎn)品和購物流程不熟悉，導(dǎo)致支付失敗率的增加。其實(shí)”關(guān)聯(lián)并不意味著因果關(guān)系”。我們不能僅僅因?yàn)閮蓚€(gè)變量之間有關(guān)聯(lián)，而直接斷定它們之間存在著因果關(guān)系。這就是常說的“因果陷阱”。

類似：在一份關(guān)于氣候變化的研究數(shù)據(jù)中，科學(xué)家發(fā)現(xiàn)，過去十年來海盜數(shù)量的減少與全球氣溫的升高呈現(xiàn)高度關(guān)聯(lián)性。那么，我們能否因此得出結(jié)論：減少海盜數(shù)量會(huì)導(dǎo)致全球氣溫升高？顯然，這種因果關(guān)系是荒謬的，注意，這就是不正確理解數(shù)據(jù)的結(jié)果，也是因果陷阱的一個(gè)典型例子。

讓我們?cè)賮砜匆粋€(gè)更生活化的例子。一個(gè)常見的說法是“撒嬌的女人更好命”。假設(shè)我們有一份研究結(jié)果顯示，撒嬌的女人通常比不喜歡撒嬌的女人更好命，這里的“好命”可能被定義為更幸福的生活或者更高的生活滿意度。然而，這并不能說明撒嬌就是導(dǎo)致“好命”的因素。

首先，可能存在第三個(gè)變量，比如財(cái)富狀況或自信心，這些變量可能既影響女人是否撒嬌，又影響其“好命”的程度。例如，一個(gè)更自信或者更富有的女人可能更可能毫無顧忌地撒嬌，同時(shí)也很可能由于這個(gè)原因，擁有比較滿意的生活。

其次，這種關(guān)聯(lián)可能是反向即反事實(shí)的。也就是說，因?yàn)榕司哂懈玫纳?，她們才有幸福感、自信心去撒嬌。換句話說，“好命”引發(fā)了撒嬌，而非撒嬌導(dǎo)致了“好命”。

只看到“撒嬌的女人更好命”的表面現(xiàn)象，而不深入分析其背后可能存在的機(jī)制，便很容易陷入因果陷阱。我們可以通過更深入、全面的研究，并計(jì)算各種影響因素的控制變量，來更準(zhǔn)確地理解這個(gè)現(xiàn)象。

在數(shù)據(jù)分析過程中，我們需要注意的是：關(guān)聯(lián)性是可以量化的，但是因果性則需要通過科學(xué)的實(shí)驗(yàn)設(shè)計(jì)和深入的思考來確定。統(tǒng)計(jì)學(xué)中，Pearson相關(guān)系數(shù)是一種衡量?jī)蓚€(gè)變量線性相關(guān)程度的量，其取值范圍在-1到1之間，值越大關(guān)聯(lián)性越強(qiáng)，但是這并不是說它們之間就存在因果關(guān)系。

比如，我們經(jīng)?？吹较奶毂苛艿匿N售量與溺水事件的增多有很高的相關(guān)性，但是我們并不能說冰淇淋的銷售增加導(dǎo)致了溺水事件的增多，這是因?yàn)樗麄兊脑黾佣际怯裳谉岬奶鞖庖蛩匾鸬摹?/p>

數(shù)據(jù)分析不僅僅是看數(shù)字，理解數(shù)據(jù)。更重要的是要精確地理解和分辨關(guān)聯(lián)性和因果性，避免陷入因果陷阱。豁然開朗的數(shù)據(jù)洞察，并不是拿到數(shù)據(jù)就能獲得的，需要我們深度思考和尖銳洞察。在這個(gè)數(shù)據(jù)泛濫的時(shí)代，正確理解數(shù)據(jù)，避免因果陷阱的誤導(dǎo)，就是我們每一個(gè)數(shù)據(jù)分析師的使命和責(zé)任。