相關不等於因果

經典的偽相關

在美國，每個月溺水的人數，幾乎完美地跟著冰淇淋甜筒的銷量一起變動。把兩者畫在一起，你會得到一條漂亮的上升直線：冰淇淋賣得越多，溺水越多。那我們是不是該禁掉冰淇淋來救命？當然不是。兩個數字都在夏天攀升——天氣熱的時候，人們買更多冰淇淋，而且完全是另一回事地，也有更多人去游泳。冰淇淋從來沒有把任何人推下水。

當兩個測量值一起上升、一起下降時，我們說它們是相關的（correlated），而相關係數會用一個數字標示它們綁得多緊。但相關只描述了你手上既有資料裡的一種模式；它完全沒有說，如果你伸手進去改變其中一樣東西，會發生什麼事。當兩個變數一起變動，卻不是因為一個造成另一個時，統計學家稱之為偽相關（spurious correlation）。

偽相關到處都是，而且常常很好笑：尼可拉斯·凱吉演出的電影數量，跟在泳池溺水的人數相關；每人平均的起司消費量，跟被床單纏住而死亡的人數相關。這些是從成千上萬條時間序列裡撈出來的巧合。但大多數會誤導人的相關，根本不是巧合——它們來自一個隱藏的第三個因素，例如夏天的炎熱，同時推動著兩個數字。

知道相關「在背後沒有直接因果」時，會以哪幾種方式冒出來，是很有幫助的。每當一張圖表誘惑你下結論時，就把這份清單跑一遍。

純粹的巧合：變數一多，總有些會碰巧排在一起（尼可拉斯·凱吉效應）。
共同原因：一個隱藏的第三因素同時驅動兩者——夏天的炎熱同時推高冰淇淋與游泳。
反向因果：也許是 Y 造成 X，而不是反過來（生病的人臥床休息，於是「臥床」看起來像是造成了生病）。
選擇：資料被蒐集的方式，硬是製造出一條在真實世界裡並不存在的連結。

因果問題：如果我們介入了會怎樣？

那我們究竟怎麼從「這兩件事一起出現」，走到「這一個造成那一個」？這一躍，是從「看見」到「動手」。相關活在「看見」的世界裡：你被動地觀察已經發生的事。因果則活在「動手」的世界裡：你想像伸手進去、刻意改變某樣東西，再問：結果有什麼跟著改變？

把它變具體。你的團隊重新設計了結帳按鈕，並注意到：點了新按鈕的使用者買得更多。誘人的標題是：新按鈕拉高了銷售。但你只是在旁觀使用者做了什麼。也許那種會去點閃亮新按鈕的人，本來就比較想買。因果問題不一樣，也更銳利：如果我們強迫每一位使用者都看到新按鈕，又（在一個平行宇宙裡）強迫同一批使用者看到舊按鈕，總購買量會差多少？

統計學家用一個特別的記號來標示這個差別。Pr(Y | X)——讀作「在我們觀察到 X 的條件下，Y 的機率」——這是相關所捕捉的。Pr(Y | do(X))——「如果我們介入、把 X 設定成某值，Y 的機率」——這才是因果關心的。它們通常並不相等。

\Pr(Y \mid X) \;\neq\; \Pr\!\big(Y \mid \operatorname{do}(X)\big)

看見 X 對上動手做 X。左邊是觀察（相關）；右邊想像一個介入（因果）。把兩者混為一談，是資料分析的原罪。

反事實與潛在結果

替「因」下定義，最乾淨的方式，是去問一個並沒有真正發生的世界——一個反事實（counterfactual）——的問題。一位女士吃了顆止痛藥，一小時後頭痛消失了。是藥造成了緩解嗎？誠實的因果問題是：在她什麼都沒吃的那個反事實世界裡，她的頭痛是不是反正也會好？如果會，那藥什麼也沒做。如果頭痛本來會繼續，那藥就有幫助。

這個想法有個精確的形式，稱為潛在結果（potential outcomes）框架。對每一個單位——一個人、一位使用者、一座城市——想像在我們做任何事之前，就存在著兩個數字。Y(1) 是這個單位「若接受處理」會有的結果；Y(0) 是「同一個」單位「若沒接受處理」會有的結果。每個單位都把這兩個潛在結果像兩個密封的信封一樣，裝在自己裡面。

對那一個單位來說，因果效果，就只是它兩個信封之間的差。如果某位病人在用藥下，疼痛量表上會是 10 分中的 3 分，也就是 Y(1) = 3；不用藥則是 10 分中的 8 分，也就是 Y(0) = 8；那麼這種藥對她的效果就是 3 − 8 = −5 分的疼痛。我們把這個差，稱為個別處理效果（individual treatment effect）。

\tau_i = Y_i(1) - Y_i(0)

個別處理效果：同一個單位「若接受處理」的結果，減去它「若沒接受處理」的結果。因果，究其根本，是把一樣東西和它自己「本來可能會怎樣」相比。

因果推論的根本難題

這裡有個關鍵的卡點，讓因果推論自成一個領域。對任何單一單位，你永遠只能看到它兩個潛在結果中的「一個」。給病人吃藥，你就觀察到 Y(1) = 3；而她什麼都沒吃的那個世界，Y(0)，從未發生，所以你永遠看不到它。不給藥，你觀察到 Y(0)；這下換 Y(1) 消失了。另一個信封永遠是缺的。統計學家 Paul Holland 把這稱為因果推論的根本難題（the fundamental problem of causal inference）。

換個說法，因果推論其實是一個喬裝過的「遺漏值」問題。我們很想替每個單位，填好一張有 Y(1) 和 Y(0) 兩欄的表——但每一列正好有一半是空白的，而且無論你怎麼盯著看得到的那一半，也變不出藏起來的那一半。個別效果 Y(1) − Y(0)，對一個真實的人，永遠無法直接測量。

我們實際記錄到的，是一個單一的觀察結果，它會依這個單位有沒有接受處理，在兩個信封之間切換。記 Tᵢ = 1 為單位 i 接受處理、Tᵢ = 0 為沒有：

Y_i^{\text{obs}} = T_i\,Y_i(1) + (1 - T_i)\,Y_i(0)

我們只在接受處理者身上看到 Y(1)，只在未接受處理者身上看到 Y(0)——對任何人都看不到兩者。缺掉的那一半，就是反事實。

平均處理效果

如果個別效果沒救，我們就用一個聰明的方式，把企圖心放低：不再問藥對某一個人做了什麼，而是問它在「整群人」身上「平均」做了什麼。這個量，就是平均處理效果（average treatment effect，簡稱 ATE）——也就是 Y(1) − Y(0) 在所有人身上的平均。它是實務因果推論的主力。

用 E 代表「在整個母體上取平均」，ATE 就是「接受處理那個世界」結果的平均，減去「沒接受處理那個世界」結果的平均：

\text{ATE} = \mathbb{E}\big[Y(1) - Y(0)\big] = \mathbb{E}\big[Y(1)\big] - \mathbb{E}\big[Y(0)\big]

我們永遠無法替一個只看到一半的欄位取平均——但有時候，我們能從不同群的單位，分別估出 E[Y(1)] 和 E[Y(0)] 這兩塊。

這就是隨機實驗的魔法。替每個單位擲一枚硬幣：正面進實驗組，反面進對照組。因為硬幣完全不理會每個人的任何特質，這兩組在平均上、在每個面向都會很像——年齡、動機、天氣，連你從沒測過的東西都一樣。於是實驗組的平均結果，就成了 E[Y(1)] 的公正替身，對照組的平均則替 E[Y(0)] 站台。兩者的差，就估計出了 ATE。

\widehat{\text{ATE}} = \bar{y}_{\text{treat}} - \bar{y}_{\text{control}}

在隨機實驗裡，兩組平均的簡單差，就是平均處理效果的不偏估計。這一行，就是隨機試驗之所以是黃金標準的原因。

具體地說：把 2,000 位使用者隨機切成兩半，給 1,000 人看新的結帳按鈕、1,000 人看舊的。如果新按鈕組有 12.0% 的人購買、舊按鈕組有 10.0% 購買，那你估出的 ATE 就是 12.0% − 10.0% = 2.0 個百分點。因為這個切分是隨機的，你可以理直氣壯地把這 2 個百分點當成因果效果，而不只是相關。

import pandas as pd

# one row per user: group is 'treat' or 'control', bought is 0 or 1
rates = df.groupby("group")["bought"].mean()
ate = rates["treat"] - rates["control"]
print(ate)   # 0.12 - 0.10 = 0.02  ->  a 2-point lift

從隨機 A/B 測試估 ATE，就是一次分組彙總（group-by）加一次相減。難的不是算術——而是你得先掙到那個「隨機分派」，才讓這個相減有意義。

為什麼天真的分組比較會誤導

現在把隨機分派拿掉——這正是你面對「自己跑來的」幾乎所有資料時的處境：伺服器日誌、醫院病歷、一份問卷。人們是自己選進、或被選進那些組別的。當接受處理與沒接受處理的人，在任何處理「之前」就不一樣時，他們平均的單純差，就不再是 ATE 了。它是 ATE 再加上一個會污染結果的項。

\underbrace{\bar{y}_{\text{treat}} - \bar{y}_{\text{control}}}_{\text{what you compute}} \;=\; \underbrace{\text{ATE}}_{\text{what you want}} \;+\; \underbrace{\text{bias}}_{\text{selection / confounding}}

你算得出來的數字，只有在那個偏差項等於零時，才會等於你真正想要的數字。隨機分派把它逼到零；而原始的觀察性資料，幾乎從來不會。

這個偏差最常見的來源，是干擾因子（confounder）：一個同時影響「誰會接受處理」與「結果是什麼」的變數。夏天的炎熱，就是冰淇淋與溺水背後的干擾因子——它把兩者都拉高。在結帳按鈕的例子裡，「使用者本來有多想買」可能同時驅動了「點新按鈕」和「購買」。干擾因子會在你在乎的兩件事之間，鍛造出一條沒有因果箭頭的相關。

它的近親是選擇偏誤（selection bias）：光是「挑誰落到哪一組」這個動作本身，就把一個差別烤進了結果裡。如果醫院把病情最重的病人送去接受新療法，那接受處理的那一組事後看起來就會比較糟——不是因為療法有害，而是因為他們一開始就比較重。天真地比較兩組，你可能會「證明」一個能救命的療法其實會致命。

最戲劇化的警告，是辛普森悖論（Simpson's paradox）：一旦你依某個干擾因子拆開，比較的方向竟然會反轉。一項著名的腎結石研究發現，療法 A 的整體成功率低於療法 B——然而 A 在小結石上贏、在大結石上也贏。一個療法怎麼可能在「每個」子群都比較好，整體卻比較差？因為醫生把較硬的療法 A 用在難治的病例（大結石）上，所以 A 的整體數字，是被「分配給它的病人」拖下去的，而不是被療法本身。

前路：我們仍然如何下因果結論

如果相關這麼危險，我們究竟還能不能掙到「因果」這個詞？能——靠兩條路之一。第一條，是我們自己用隨機分派，把那個缺掉的反事實「製造」出來；這就是你在上面見過的黃金標準，也是實驗設計那條學習路徑的主題。當你能擲硬幣時，那個偏差項在設計上就消失了，平均的差「就是」因果效果。

但你常常無法隨機分派——那可能不道德、不合法、不可能，或太慢。你沒辦法隨機指派人去抽三十年的菸。第二條路，是仔細地推敲「資料是怎麼來的」，把假設攤在陽光下，再用一些「從純觀察性資料模擬出一場實驗」的設計。這就是本學習路徑接下來的內容。

畫出因果圖。一張由箭頭組成的因果有向無環圖（causal DAG），能讓你看出該控制哪些變數——而且出乎意料地，也看出哪些該放著別動（下一篇）。
向大自然借硬幣。自然實驗——工具變數、雙重差分，以及迴歸不連續——利用世界裡那些「幾乎隨機」分派處理的巧合。
事後打造一個公平的比較組。配對與傾向分數，把接受處理的單位和相似的未處理單位配成對，以平衡干擾因子。
然後對答案做壓力測試：面對一個你忘了測量的干擾因子，它有多脆弱？

在你往下走之前，這裡有一份隨身清單。把它用在你下次遇到的「X 造成 Y」標題上——不論是在論文、新聞稿，還是你自己的儀表板裡。

有沒有人被隨機分派？如果有，這個主張站得穩。如果沒有，保持懷疑。
有沒有明顯的共同原因？說出一個光憑它自己就能製造出這條連結的干擾因子。
箭頭會不會是反的？也許是「果」造成了那個所謂的「因」。
這些組是怎麼被選出來的？在「最後是誰被測量到」裡，尋找選擇偏誤。
效果的大小重要嗎？一個真實但微小的效果，很少足以支撐一個重大的決策。

相關不等於因果——但只要問對問題（一個反事實）、瞄準對的目標（平均處理效果），並對干擾因子做出誠實的交代，因果仍然是我們能去追求的東西。接下來的篇章，會把工具交到你手上。把那組偽相關的冰淇淋記在心裡：目標從來不是去害怕相關，而是每一次都去問——到底是什麼，真的讓這些數字一起變動？