Free China Movement

Evidence · Human Rights · Democratic Future

Take Action

English 简体中文 繁體中文 Français Deutsch Español

🔎

CCE-087｜如何区分相关关系与因果关系？常见的因果谬误有哪些？

Free China Movement

v1.0 ｜ 2026-10-21

CCE-100 公民教育工程 · 总目录 CCE-087 条目

如何区分相关关系与因果关系？常见的因果谬误有哪些？

摘要：两件事同时出现、同步变化，只说明它们“相关”，并不说明其中一件“造成”了另一件。要从相关走到因果，至少要回答三个问题：时间上是不是原因在先？有没有第三个因素同时推动了两者？如果把原因拿掉或改变，结果会不会跟着变？本文先给出这套判断的基本框架，列出后此谬误、反向因果、共同原因、辛普森悖论等常见的因果谬误，再用三个已公开、可核对的案例展示判断过程：1973年加州大学伯克利分校研究生招生数据[5][6]、吸烟与肺癌的因果论证[1][2][4]、收入与民主的关系[7][9][10]。第四个案例并列了中华人民共和国政府（中国大陆）官方文本中方向相反的两种因果叙述[13][14]，只演示“应当追问什么”，不评判其结论。本文反对两种极端：一是把任何相关都当作因果，二是因为因果难证明就拒绝讨论因果。最后给出一份读者可以自己使用的检验清单，并说明本文的证据限制。

一、先给答案：相关是线索，因果是对“如果改变会怎样”的回答

“相关”描述的是数据里的共同变化：A多的时候B也多，或者A多的时候B少。它只需要看两列数字。“因果”回答的是另一类问题：如果我们主动改变A，B会不会随之改变？这是一个关于“假如”的问题，数据里看不到现成的答案，因为同一个对象不可能同时既被改变又没被改变。

因此，把因果判断拆成三步会更清楚。第一步，确认相关是否真实：样本是否足够大，是不是偶然碰巧。第二步，排除其他解释：时间顺序是否对得上，有没有共同原因，是不是反过来的因果，是不是选样造成的假象。第三步，寻找能支持“假如”的证据：随机对照实验、自然实验（制度或政策的外生变化）、剂量—反应关系、多地多时的重复，以及机制是否说得通。

流行病学家奥斯汀·布拉德福德·希尔（Austin Bradford Hill）在1965年的经典论文里，把“关联”与“因果”的距离说得很直白：当观察到一个清楚的关联、且不能归于偶然之后，要问的是该关联的哪些方面，足以让我们认为最可能的解释是因果[1]。他列出九个考察角度，并明确提醒：这九点中没有任何一点能提供无可争辩的证据，也没有任何一点是必需条件[2]。这句话同时堵住了两条路：不能因为满足了其中一两点就宣布因果成立，也不能因为缺了某一点就宣布因果不成立。

二、为什么“相关”不够：四种常见的“假因果”

下面四类，是相关出现而因果不成立（或不确定）时最常见的来源。这里的分类是本文作者为教学整理的，不是某一部权威教材的原文。

第一，纯属偶然。变量足够多、时间足够长，总会找到一对碰巧同步的数字。一个构造出来的例子：某城市某年冰淇淋销量与溺水人数同步上升。这是说明性的假设例子，并非实际统计。

第二，共同原因（混杂）。同上例，夏天高温既让人多吃冰淇淋，也让更多人下水。高温是两者的共同原因，冰淇淋与溺水之间没有直接因果。

第三，反向因果。我们以为A导致B，其实是B导致A，或者两者互相影响。后文收入与民主的案例，核心争议之一就是箭头的方向。

第四，选择偏差与分组假象。我们看到的样本本身是被筛选过的，或者把不同性质的群体合并后再比较，得出的“整体相关”和“分组后的相关”方向相反。这就是辛普森悖论，见下一节伯克利案例。

此外，“后此谬误”（拉丁文 post hoc ergo propter hoc，意思是“在此之后，所以因此之故”）是把时间先后直接当作因果：事情先发生，再有结果，就断定前者是后者的原因。时间在先只是因果的必要条件，不是充分条件。

三、案例一：伯克利招生数据——合并看有偏见，分组看几乎没有

1975年，统计学家彼得·比克尔（P. J. Bickel）、人类学家尤金·哈梅尔（E. A. Hammel）与J. W. 奥康奈尔在《科学》（Science）杂志发表论文，分析加州大学伯克利分校1973年秋季研究生招生数据[5]。

论文分析的是1973年秋季全校的研究生申请：有12,763份申请材料完整、足以作出决定，其中男性申请者8,442人，女性申请者4,321人，约44%的男性和约35%的女性被录取[5]。这个差距已经足以让作者进一步检验。教学中最常用的是R语言自带的UCBAdmissions数据集，它不是全校数据，只包含六个最大系所的合计：2,691名男性申请者中1,198人被录取（44.5%），1,835名女性申请者中557人被录取（30.4%），样本比值比约为1.84，看上去男性被录取的机会接近女性的两倍[6]。读到这类数字时要先问范围：全校合计与六个最大系所合计是两组不同的数字，后者不能写成“伯克利整体”。如果只看其中任何一组，都很容易得出“录取过程歧视女性”的因果结论。

但作者的结论是：这是“清楚而有误导性的偏见图像”（a clear but misleading pattern of bias）。把数据按系所拆开后，只有少数系所的录取比例与预期出现统计上显著的偏离，偏向女性的系所和偏向男性的系所数量大致相当；考虑到各系所自主决定录取，把数据适当合并后，反而出现“小但统计上显著的、有利于女性的偏差”。原因是女性申请者更集中地申请了对所有申请者都更难进入的系所，而较容易进入的系所多半要求本科阶段修过更多数学课程[5]。

这里有三个值得记住的教训。第一，“性别”和“录取”之间存在一个在先的联系：性别与申请哪个系所之间的关系，论文称之为被忽略的“先在联系”（prior linkage）[5]。这个第三因素（申请的系所）同时影响了两个变量。第二，合并还是分组，会让相关的方向翻转，所以“整体相关”不能直接当成“每一处都成立”。第三，论文并没有说“因此没有任何歧视”。它的结论是：在各系所的录取决定层面，看不到系统性偏向男性的歧视模式。需要说明，本文只读到论文摘要和部分正文片段；摘要说，合并数据中的偏差并非来自录取委员会的歧视模式，至于不平等是否发生在申请之前的环节，本文没有查证，也不作断言，读者应对照原文[5]。

四、案例二：吸烟与肺癌——相关如何一步步被检验成因果

吸烟与肺癌是因果论证史上最常被引用的案例。希尔本人回顾说，前瞻性研究显示，纸烟吸烟者死于肺癌的比率是非吸烟者的9至10倍，重度吸烟者则是20至30倍[2]。这属于“强度”（strength）：关联越强，越不容易被一个弱的混杂因素完全解释。

然而这个结论并非毫无阻力。有论文回顾说，这一因果解释“并非没有争论就被接受”，反对直接因果解释的人里包括著名统计学家罗纳德·费希尔（Ronald Fisher）[4]。反对意见的核心逻辑是：也许存在某种遗传或体质因素，既让人更爱吸烟，也让人更容易得肺癌，也就是共同原因。这是一个有力的、合乎逻辑的反驳，不能当作“烟草业的借口”一笔带过。

后来的论证靠的不是某一个决定性实验，而是多条证据线的汇合。希尔列出的九个考察角度，包括强度、一致性（不同的人、不同地点、不同时间是否反复观察到同样的关联）[1]、特异性、时间顺序、生物梯度（剂量—反应：每天吸得越多，肺癌死亡率越高）、合理性、连贯性、实验证据和类比。

这里有个常被误解之处：希尔不是在给因果判断开一张“打勾清单”。他自己强调，九点中没有一点是必要条件[2]。对读者来说，实用的理解是：证据线越多、越独立，因果解释越稳；任何一条线单独都不够。

五、案例三：收入与民主——箭头的方向、第三因素与学界尚未完结的争论

“越富的国家越民主”是跨国数据里非常稳定的相关。这个相关背后的因果问题是：经济发展是否导致民主？这是政治学中争论最久的因果问题之一。

1959年，西摩·李普塞特（Lipset）提出“现代化假说”：工业化、城市化、财富、教育这些发展因素紧密相连，推动民主的产生和巩固[7][12]。需要指出，李普塞特并不只是在讲一个简单的相关，他刻意讲的是发展的整体过程，并强调个别国家变富时应更趋民主，而不仅是“富国是民主国家”[7][12]。

此后的研究质疑的正是“因果”这一层。阿西莫格鲁（Acemoglu）、约翰逊（Johnson）、鲁宾逊（Robinson）与亚雷德（Yared）2008年发表于《美国经济评论》的研究，提出现有研究没有控制同时影响收入和民主的因素；当他们在回归中加入“国家固定效应”以控制各国长期不变的历史特征后，收入与多种民主指标之间的统计关联消失；工具变量估计同样没有发现收入对民主的因果效应。他们对原有相关的解释是：这个相关反映的是过去500年里收入与民主的变化有正相关，与社会在某些“关键节点”走上不同的政治经济发展路径一致[7]。同四位作者2009年的后续论文进一步指出，在控制固定效应的前提下，人均收入并不能预测向民主的转型或从民主转向其他体制[8]。

另一条研究线来自普沃斯基（Przeworski）与利蒙吉（Limongi）1997年的论文。他们利用1950至1990年间135个国家的数据，区分两种可能：一是发展使民主更容易出现（“内生”），二是民主的出现与发展无关，但在富裕国家更容易存活（“外生”）。其结论是：现代化不一定产生民主，但民主在现代化的国家中更容易延续；他们发现，在人均收入高于1975年阿根廷水平（6,055美元）的国家，没有一个民主政体垮台[9]。换句话说，同一个“富国多民主”的相关，既可能来自“富了就变民主”，也可能来自“民主一旦建立，富国更守得住”。两种解释的政策含义完全不同。

这场争论并没有结束。波依克斯（Boix）与斯托克斯（Stokes）2003年发表的论文提出，经济发展确实增加了国家转向民主的概率，与普沃斯基等人的结论相反[10]；固定效应方法本身是否足以回答问题，也在继续被检验[8]。本文不判定哪一方正确，因为这需要逐篇打开原文并核对样本与模型，而本文只读到摘要和部分正文片段（见限制一节）。可以确定的是：关于方向和第三因素的争论，在这个问题上是真实存在的，也是公开可查的。

对于中华民国（台湾）的情形，有一个应当谨慎使用的例子。利蒙吉在接受巴西媒体采访时说，台湾、西班牙、韩国等国在威权体制下变富，所以并没有因为变富立刻转向民主，“这不是一个内生过程”；同一报道还引用他的话：“我们了解到，政治体制——无论是独裁还是民主——不影响GDP的增长速度”[11]。这是研究者在媒体上的概括，不是同行评议论文的原文。

这个例子提醒我们：同一段历史可以被两种叙述各取所需。一种说“台湾经济发展之后走向民主，发展带来民主”，另一种说“台湾在威权时期实现高速增长，说明威权有利于增长”。两种说法各自只用了时间线的一部分，都没有回答反事实问题：如果当年的政治体制不同，增长会不会不同？民主化的原因里，经济因素占多大？这些问题需要比较研究和更细的证据，单靠一条时间线回答不了。

六、案例四：同一语料里方向相反的两种因果叙述

这一节用中华人民共和国政府（中国大陆，中国共产党执政）官方及官方媒体的公开文本，演示如何追问因果表述。本文不评判这些结论是否成立，也不把它们当作“错误的例子”。

2021年12月4日，国务院新闻办公室发表《中国的民主》白皮书。其中一段写道：中国的民主“形成集中力量办大事的制度优势，有效促进了社会生产力解放和发展，促进了现代化建设各项事业”[13]。这是一个因果方向为“制度（民主安排）→生产力与发展”的陈述。

两天后，《光明日报》刊发的文章（经中国人大网转载）写道，在改革开放和社会主义现代化建设时期，我国实现了从生产力相对落后到经济总量跃居世界第二的历史性突破，“为推进全过程人民民主提供了充满新的活力的体制保障和快速发展的物质条件”[14]。这里的方向是“发展（经济总量）→民主推进的物质条件”。

这两句话并不矛盾。完全可以是互相促进，也就是双向因果。但对一个想判断因果的读者来说，它们说明了为什么要追问以下几个问题：

第一，“有效促进”靠什么证据？是与什么做比较的？一个因果陈述需要一个对照：和没有这种安排的情形比较，还是和这个国家自己的其他时期比较？

第二，同一时期还有哪些因素在起作用（对外贸易、人口结构、技术扩散、其他国家的情况）？这些因素如果同时也推动了发展，就是共同原因。

第三，箭头能不能反过来？“发展提供物质条件”本身就是反向的说法，这对理解“相关”至关重要。

第四，在其他国家和地区，同样的制度安排是否有同样的效果？这对应希尔所说的“一致性”[1]。

需要说明：官方文本表达的是政策立场和政治论述，不同于学术论文，它们不一定按研究设计的标准写成，读它们时问上述问题，不是指责，而是读法。对任何政府、政党、媒体的因果叙述，包括中华民国（台湾）政府和各政党的说法，同样可以用这四问来检验。

七、一份可以自己用的检验清单

遇到“A导致B”的说法时，可以依次问：

1. 相关是真的吗？样本多大，有没有可能是偶然，是不是只挑了对自己有利的时间段或地区？

2. 时间顺序对吗？A确实先于B吗？有没有可能B先发生，人们根据B的预期改变了A（例如因为预期经济变坏而提前改变行为）？

3. 有没有第三个因素？在伯克利案例里，第三个因素是申请的系所[5]；在吸烟案例里，反对者提出过体质或遗传因素[4]。

4. 分组之后还成立吗？按年龄、地区、系所、收入段拆开，关联会不会消失或反转？

5. 有没有剂量—反应关系？暴露越多，结果越明显？[2]

6. 不同时间、地点、人群中是否重复出现？[1]

7. 有没有“假如”类证据？随机实验、政策的外生变化（自然实验）、有明确断点的制度变化，比单纯的横截面比较强。

8. 机制讲得通吗？机制只提供合理性，不能单独证明因果，因为“听上去合理”的故事几乎总能编出来。

9. 谁在说，为什么说？作者或机构是否有利益，数据来源是否透明，原始材料能否核对？

这份清单是本文作者综合希尔的思路与常见研究方法整理的教学工具，并非任何一个组织的标准。

八、对这一框架的反对意见

反对意见一：“因果永远无法证明，所以谈因果没有意义。”这个说法对了一半。在观察性研究中，确实很难得到毫无争议的因果证明；希尔自己也承认这一点[2]。但从“不能绝对证明”推不出“所有解释一样好”。吸烟与肺癌的案例说明，多条独立证据线汇合后，因果解释可以变得相当稳固[1][2][3]。

反对意见二：“预测不需要因果，相关够用。”在预测任务里，这是有道理的：如果只是想预测明天的销量，不必弄清原因。但如果要做决定——比如修改一项制度、推行一项政策——就必须回答“改变A会怎样”，这时只有相关是不够的。收入与民主的案例里，“鼓励经济增长以便获得民主”还是“先建立民主以便守住发展”，政策含义截然不同[7][9]。

反对意见三：“控制了足够多变量，就能得到因果。”这也是一个常见误解。控制的变量选错了（例如把结果的后果当成控制变量），或者遗漏了关键变量，结论照样可能偏。阿西莫格鲁等人的固定效应方法已经是对“忽略历史因素”的一种回应，但学界仍在争论它能否回答所有问题[8][10]。

反对意见四：“你们强调严格的因果标准，是不是会让任何政策都无法评价？”不会。评价政策不等于要求实验室式的证明，而是要求诚实标注证据强度：哪些是随机实验的结果，哪些是观察到的相关，哪些是对机制的推测。

九、限制与结论

本文的限制有这些：第一，所有来源都是搜索摘录或网页片段层面的阅读，希尔1965年的论文只读到摘录；伯克利论文读到摘要和部分正文片段，全校合计数字（8,442／4,321，约44%／约35%）取自论文全文的网页文本，六系所合计数字取自R数据集说明[6]，逐系数字未使用；阿西莫格鲁等人、普沃斯基与利蒙吉、波依克斯与斯托克斯的论文，均未逐篇核对数据和模型，对结论的描述限于摘要所说。第二，利蒙吉的访谈引文来自巴西期刊网站的英文报道，是研究者在媒体上的概括，不是论文原文。第三，白皮书和《光明日报》文章只用于展示因果表述的结构，没有评估其论据，也没有检验中国大陆的发展与制度之间的实际因果关系。第四，“四类假因果”和“九问清单”是本文作者的整理，不是某部教材的原文。第五，本文没有使用中华民国（台湾）政府的官方文本做因果表述案例，仅在利蒙吉的评论里提到了台湾。

结论：相关是一条线索，因果则需要对“假如改变”的证据。判断时先查时间、再找第三因素、再看分组后是否仍成立，最后看有没有多条独立的证据线。伯克利案例告诉我们，合并数据可以制造假象；吸烟案例告诉我们，因果可以通过多条证据线逐步确立；收入与民主的案例告诉我们，即使是最著名的相关，其因果方向和有无也可能长期有争议。遇到任何政府、媒体或学者的因果表述，不论来自中华人民共和国政府、中华民国（台湾）政府，还是其他国家，都可以先问同样的问题：对照组是什么？还有哪些因素？箭头能不能反过来？

参考文献

本文之英文、繁体中文、法文、德文、西班牙文版本正在翻译准备中，完成后将于本页提供链接。

审稿记录：Editorial 独立审稿，2026-10-21。结论：PASS。

← 返回 CCE-100 公民教育工程总目录