大数据帮你洗脑：你是如何混淆因果关系的

　　这是一个人人都谈大数据的时代，不过数据真的是有益的吗？其实不一定，数据经常也会忽悠人。
　　请一句话评价下列事件（假设数据是真实的）：
　　研究发现，越是成功人士，睡眠时间越短。
　　研究发现，女人结婚后变得更加贫穷，男人结婚后变得更加富有。
　　研究发现，越富有的人越幸福。
　　研究发现，儿童时期吃西兰花越多，成年后往往职业收入越多。
　　研究发现，去医院越多，越容易生病。
　　过去20多年跟踪研究发现，中国GDP越高，90后一代身高越高。
　　根据本人潜水博客论坛观察总结，大部分人的评价是这样的（至少前3个事件的评价是这样）：
　　1，研究发现，越是成功人士，睡眠时间越短。
　　这么说，我要是不睡觉，是不是薪水就上亿了？
　　2，研究发现，女人结婚后变得更加贫穷，男人结婚后变得更加富有。
　　看来还是女人对婚姻牺牲大啊！结婚导致女人收入变低，却增加了男人收入。
　　3，研究发现，越富有的人越幸福。
　　屌丝们洗洗睡吧，你幻想的穷开心是不现实的。
　　4，研究发现，儿童时期吃西兰花越多，成年后往往职业收入越多。
　　我勒个去，都怪我小时候西兰花吃少了，大白菜吃多了！
　　5，研究发现，去医院越多，越容易生病。
　　唉，以后生病还是别去医院了。
　　6，过去20多年跟踪研究发现，中国GDP越高，90后一代身高越高。
　　哇！原来提高GDP还有这好处！不过，如果将来中国GDP下降，下一代怎么办？
　　等等，貌似这上面的逻辑有点问题吧？
　　实际上，上面的每一个推理都有严重的逻辑错误，都是错把相关关系当做了因果关系：
　　A越多，B越多，这是相关关系。
　　A越多，导致B越多，这是因果关系。
　　而如果没有进一步的调查和理论，相关关系是推理不出因果关系的。
　　为什么？
　　请看下面这个“脑筋急转弯”：
　　猜猜，下图的鸡和蛋是什么关系？
　　直觉：母鸡刚刚下了蛋。
　　第二直觉：还有可能是这个母鸡是由这个鸡蛋孵化出来的。
　　其实，它们有4种可能的关系：
　　（注：鸡蛋例子引用自李宏彬教授讲座）
　　同样，两个“A越多，B越多”这样的相关性实际上有4种可能（以收入和睡眠的为例）：
　　A导致B：更少睡眠导致收入增加。
　　B导致A：收入增加导致睡眠减少。
　　A和B同时被C导致：随着年龄的增长，人对睡眠要求减少，因此睡眠少。同时年龄大的人，往往经验、人脉、知识更多，也自然收入更多。
　　A和B没有任何关系：美国、西欧等经济发达，导致人们收入高；同时他们爱吃牛排，导致睡眠需求减少。（数据仅为举例，不代表真有这样的关系。）
　　所以，当你看到“睡眠越少，收入越多”这样的统计结果后，不要天真地认为只要你减少睡眠，你也能收入变高。
　　当然生活中的确有人是这么做的：
　　我认识一个人，看到了这样一个微博上流行的统计结果后，为了获得成功而刻意减少睡眠。
　　甚至，当他凌晨2点还在玩DOTA时，你过去问他：“你怎么还不睡？”他的回答是：“睡眠越少，将来越成功！为了赚大钱，我先从减少睡眠开始。而在这漆黑的夜里，只有DOTA能让我清醒。”
　　所以，假设“成功导致睡眠少”而不是“睡眠少导致成功”，你是无法通过减少睡眠而变得更加成功的。就像白种人喜欢吃牛排，但是你无法通过吃牛排变得更白。
　　除了“成功VS睡眠”之外，其实上面每个新闻都有类似的逻辑错误：
　　研究发现，女人结婚后变得更加贫穷，男人结婚后变得更加富有。
　　这个数据其实无法推测出结婚让女人变穷男人变富，还有可能是：预期自己将来没什么钱赚的女人更想赶紧把自己嫁出去，而预期将来能赚很多钱的男人倾向于赶紧找个老婆。
　　当然，还有可能是其他原因甚至是完全无关的因素造成了这个相关关系。
　　研究发现，越富有的人越幸福。
　　通过这个数据并不能推测出你赚钱后就能变得更加富有。
　　实际上研究证明，当金钱超过个人基本需求之后（比如已经吃饱穿暖），对长期幸福感没有显著影响。
　　比如中了巨额彩票的人得到的幸福感只是短期的（类似吸毒产生的幸福感），调查发现，中彩票后6个月，即使你变得比之前富有上百倍，但是你的幸福感指数还是维持在6个月前水平。
　　（此研究详细请看哈佛大学公开课《幸福课》，byTalBenSharhar）
　　那么为什么我们发现富有的人往往很幸福呢？
　　其实这是因为富有和长期幸福都由类似的因素导致：自信、热忱、勤奋等。所以，你的自信、热忱、勤奋等情商特征有2个产物：
　　能够提升你长期幸福感，让你觉得生活更加有意义
　　能够让你赚钱升职。但这不代表赚钱本身可以提高长期幸福感。
　　所以，“穷开心”还是存在的。
　　研究发现，儿童时期吃西兰花越多，成年后往往职业收入越多。
　　这个新闻是我YY的，但是这句话绝对的正确的！
　　为什么呢？因为欧美国家的人往往吃西兰花更多，而这些国家的普遍职业收入也很高，所以在全球统计数据上自然会发现“西兰花摄入量”和“职业收入”的相关关系。
　　但是这并不代表你增加西兰花的摄入会提高未来收入！
　　研究发现，去医院越多，越容易生病。
　　嗯，这个也是我YY的研究，但数据也是千真万确！但是这不代表不去医院你就不生病了，因为不是“去医院导致你生病”，而不是“生病导致你去医院”。
　　过去20多年跟踪研究发现，中国GDP越高，90后一代身高越高。
　　这更是绝对真实数据！
　　中国GDP和90后的身高自然是正相关啊中国GDP从1990年的不到2万亿涨到2013年的50多万亿，90年出生的人身高也从0厘米增长到170厘米。但是这并不能证明是中国GDP帮助了90后长高。
　　为什么我们总是错把“相关”当“因果”？
　　先看下面这样图，如果让你对图中的形状分组，你的第一直觉是什么？
　　我想大部分人是按照位置分类把图中的图形按照上边的、左边的右边的分为3组。
　　但是相互靠近的图形可能并没有任何关系，这样分类可能是无效的。
　　那怎么不按照形状分类呢？第一反应怎么不是把图形分成三角形、正方形和圆形？
　　这是因为我们本能觉得相互靠近的东西一定是有关系的，同时出现的事件也一定是有关系的！
　　这样的本能在远古时代是很有用的，可以帮助人类在陌生的丛林中生存下来。
　　当他们发现了一个果壳，从而推测出这片森林有大片果树；当他们听到雷声，从而觉得雷声导致了下雨，得赶紧避雨了等等。这些本能帮助人们更好的在那个简单、直接的世界生存。
　　但是现在社会瞬息万变，信息复杂程度不知道超过远古时代多少倍，我们已经无法通过简单的相关关系来推测因果了。同时出现的事件可能毫无关系，因果的顺序也可能完全颠倒。
　　同时无数的错觉思维和错误归因不断发生，比如：
　　1，大众对新闻的错误归因
　　假设你看到这样的新闻：
　　《同性恋抢劫超市，致6人死亡》
　　网友评价：同性恋就是喜欢抢劫！以后遇到他们小心点！
　　但是，你怎么知道他们的抢劫行为是因为他们的性取向导致的？如果抢劫劫匪穿41码的鞋，今后你会从此远离41码鞋的人吗？“同性恋”和“抢劫”只不过是同时发生的事件，并不代表它们有关系。
　　当然，媒体人们为了提高点击率，经常使用这样的技巧：让新闻当事人的某个差异性特征出现在新闻上，从而让大众把“相关当因果”，觉得是这个差异性特征导致了他的行为。
　　类似的新闻评论还有：
　　外籍男坐过车站抢方向盘敲打司机
　　这是因为他“外籍”的身份而导致其打司机吗？中国人自己不打司机？
　　明星柯震东吸毒！当明星真是容易堕落！
　　柯震东等人是因为出名而吸毒吗？难道你出名后容易吸毒或者你吸毒后容易出名？
　　2，盲目学习和模仿
　　我们经常盲目模仿成功者的特点，觉得模仿了他的特点，我们也能成功。
　　比如知名的大学无用论：比尔盖茨和扎克伯格都是辍学后才成功的，所以为了成功，我没必要上大学。
　　请问：他们是辍学导致了成功，还是成功导致了辍学，还是其他因素影响？
　　健康的人都不去医院，所以你坚持不去医院，你就能变得健康？
　　再比如企业管理的例子：
　　苹果公司很成功，同时它给设计师付出的薪水也是最高的。难道就说明它的成功是由其设计师的高薪水导致的？所以你提高自己公司设计师的薪水，你就能成功？
　　3，刻意规避和迷信
　　你可能对这个故事感觉到很熟悉：
　　唉，有一年我第一次吃榴莲，结果当天就遇到了车祸，从此以后，我就再也不敢吃榴莲了。
　　实际上主人公的车祸和榴莲可能没有任何关系，但是因为是“同时发生的事件”，主人公潜意识觉得吃榴莲导致了车祸，从而对榴莲一辈子心有芥蒂。
　　错把相关当做因果是很多让人难以理解的迷信的根源之一。
　　比如在我家乡都有敬车的习惯（每年固定时间向烧纸向上天祈福平安），但是去年突然变更了敬车的习俗由过去的车头向北变成了车头向南。后来我才知道是因为去年出了很多车祸，大家觉得是敬车时车头向北导致的（相关变因果），从而今年改成了向南。
　　所以，如果你仔细观察，很多让你难以理解的祖传禁忌，实际上可能是当年某个相关事件的发生导致的比如出了车祸就再也不吃榴莲了。
　　结语：
　　我们正在面临越来越多的数据和越来越多的复杂事件，同时也被要求做出越来越准确的决策。为了应对这样的问题，请不要忘记别拿相关当因果，数据也会忽悠你！