U2.05.3Correlation is not causation设计研究
相关不等于因果
别名: 相关因果之辨 · 混杂 · 辛普森悖论
概念解释
相关不等于因果（correlation is not causation）指观察到两个变量共同变化，只建立了关联证据，不能单凭散点图或相关系数断定一个变量改变了另一个。可能解释包括反向因果、共同原因、选择进入样本的机制、时间趋势、测量过程或偶然波动。即使关联稳定且很强，因果方向、作用路径和干预后的结果仍需要研究设计与领域证据识别。
机制
合并点云会把数据生成过程压成二维投影。混杂变量同时影响两轴，可制造、放大、削弱或反转关联；辛普森悖论（Simpson's paradox）描述分组内趋势与合并趋势可能不同，但分层本身并不自动给出正确因果答案。只观察满足某个选择条件的样本，也可能因碰撞变量产生虚假关联。范围限制、缺失机制、测量误差、重复观测未建模和共享时间趋势，都会改变相关。回归线提供的是所建模型下的条件摘要，不是因果箭头。
怎么研究
先用因果问题明确处理、结果、时间顺序、观测单位和目标总体，并以因果图或同类假设记录哪些变量是混杂、媒介、碰撞变量与选择因素。随机实验可在其实施与遵从条件内支持干预效应；观察研究需说明识别策略，例如匹配、加权、自然实验或断点，并做未测混杂与选择偏差的敏感性分析。探索时可比较合并与预先有理由的分层视图，但不能事后遍历分组并只报告最有戏剧性的反转。
边界
相关对预测、质量监控和提出假设仍有价值，因果实验也不是所有问题的唯一答案；伦理、可行性与外部效度会限制实验。控制变量越多并不越接近因果：控制媒介会改变所估效应，控制碰撞变量反而引入偏差。没有因果识别时，“调整后仍相关”仍是关联结果。小样本、离群点、非独立记录或多重探索还会使关联不稳定；可视化不能补救错误配对或选择性删点。
怎么落地
- 标题、图注和替代文本使用“相关”“共同变化”等与证据相称的词；“导致”“提升”或箭头需对应明确的因果设计与目标效应。
- 随图说明观测或实验设计、时间窗、样本选择、缺失与过滤、变换、重复观测处理，以及相关或模型区间。
- 仅对有先验理由的候选混杂做分层或调整，并并列展示总体与关键子组；样本构成差异应与组内关系分开解释。
- 提供可访问的数据摘要与结构化表格，避免只用颜色区分调整前后或群组。
- 发布前让研究、领域与沟通角色分别核查识别假设、统计不确定性和措辞；若读者复述成未经支持的干预结论，应改标题、注释或图形结构。