因果思考：相关、干预与混杂

一起出现不等于互相造成

星河玩具展发现有提示牌的展台常常吸引更多虚构模拟访客，于是有人说加提示牌一定会提高访问次数。观察到的相关关系可能确实有原因，也可能来自另一个变量：受欢迎主题的展台本来就更容易得到提示牌。因果问题问的是在其他相关条件得到恰当处理时，主动改变提示牌是否会改变访问结果。预测哪个展台热门，与判断改变提示牌的效果，是两个不同任务，不能用一个准确预测模型自动替代后者。

混杂怎样制造表面效果

假设主题受欢迎程度同时影响提示牌分配和访问次数，它就是可能的混杂因素。我们可以画三个变量：主题、提示牌、访问，主题分别指向另外两个变量。这个图表达一种待论证的因果假设，不是画出箭头就证明真实方向。若只比较有牌与无牌的平均访问，主题差异可能被误归因给牌。甚至分组与总体的趋势可能不同，因为各组构成不一样；所以统计关联必须结合数据产生过程解释。

干预与随机分配的直觉

为了观察提示牌效果，可在相似的虚构展台中随机分配有牌与无牌，保持观察时段、主题呈现和模拟访客生成规则一致。随机分配在设计与执行合理时，有助于减少已知和未知混杂的系统差异，但小样本仍可能偶然不平衡。记录所有被分配的展台，不只记录访问高的案例。干预关注改变一个因素的结果，而观察数据只是记录自然出现的组合；两者提供的信息类型不同，不能直接混称为实验。

反事实要尊重不可同时观察的限制

对同一展台同一时段，我们无法同时看到有牌和无牌两种状态下的全部实际结果。另一个未发生状态的结果称为反事实，需要通过实验比较或依赖明确假设的模型进行估计。不能让语言模型随口编一个未发生访问次数，再把它当作测量事实。基于观察资料估计因果效果时，还需讨论是否存在未测量混杂、分组是否可比以及干预是否定义清楚。因果结论的力度受这些假设约束，不会因表达自信而加强。

用温和措辞形成报告

工坊应写观察到有牌展台平均访问更高，尚不能排除主题差异；若做了模拟随机实验，则报告分配办法、样本量、时段和结果波动。即使实验支持提示牌在该模拟条件下有效，也不保证换成另一种展览仍有相同效果。概率图中的箭头只有在因果解释获得额外依据时才用于干预推断。把相关、假设、实验和结论分开记录，是因果思考的核心；它帮助避免把可预测关系误当成可操控杠杆。