【导语】:相关性和因果性之间的联系，从统计学教材到大数据著作，都有着广泛的探讨，甚至争议不断。迈尔舍恩伯格在《大数据时代》里说，“要相关，不要因果”，在大数据时代，有相关，就够了。而周涛则在《为数据而生》一书中说，放弃对因果关系的追寻，就是人类的自我堕落，相关性分析是寻找因果关系的利器。想不想听听第三方的观点?下面文字为BuzzFeed首席数据科学家Adam Kelleher观点的部分编译，感兴趣的读者，请阅读原文。

我们知道，相关关系和因果关系，在人们的工作和生活中，都扮演着极其重要的角色，它们单独或共同影响着我们的行为去向。比如说，经过千百年来的观察，人们发现，“燕子低飞”和“即将下雨”存在相关性，因此，一旦看到“燕子低飞”，人们就知道“天将下雨”，该收衣服了。

至于因果关系，对我们的影响，就更加明显了。一方面，做某个事情前，我们总习惯“给我个理由先”。事后，也爱给自己的行为“结果”，找个“原因”。比如说，“因为我要早晨去上班，所以我必须6点钟起床”。倘若上班迟到了，给老板解释，“因为闹钟没有响，所以我没能准时起床”。千百年来，因果关系，已经深深地写入了人们的思维基因里。

既然相关性和因果性如此重要，二者之间有什么关系呢?在学校里的统计课程中，我们都不断被老师告知，“相关性并不意味着因果性”。那么，相关性意味着什么?有没有一个更好的解释模型，来帮助我们理解这个纷杂的世界呢?为了搞清楚这些问题，我们首先要了解，什么是因果关系?

何谓因果关系

现在因果关系有着非常明确的定义，通常来说，原因是指引起一定现象的现象，结果是指由于原因的作用，随之串联而引起的现象。因果联系的特征就是，原因在先，结果在后，前者的出现，导致后者。但千百年来，有关因果关系的认知，却争议不断。比如说，18世纪英国著名哲学家休谟，压根就不承认有什么因果关系，他认为，所谓的因果关系，只不过是思想中的习惯性联想罢了。

下面我们就用一个例子，来说明常规意义上的因果关系。假设你每天都要到单位上班。显然，如果交通堵塞，会导致你上班迟到。此外，如果家里的闹钟不响(因此你没能准时起床)，也会导致你上班迟到。于是，我们就用一个如图1所示的关系图，来描述这这三者(闹钟、交通和迟到)之间的关系。

图1: 基本的因果关系图

图1仅仅列出了两个最常见的上班迟到原因。实际上，迟到的原因可能还包括，车在路上抛锚了，给孩子们做早餐耽搁了，早起看新闻分心了等等，诸如此类。图1不可能把所有的这些小因素都包括在内。

为了抓住主要矛盾，认知的模型必须精简，如图1所示的模型，只能包括在那些最常见的影响我们上班迟到的因素。那些被我们忽略掉的大量的小因素，可以将其视为“噪音”，将其过滤掉。事实上，我们还可以进一步构建一个更全面的“因果关系”的模型图。比如说，我们继续追寻，交通阻塞的原因是什么?闹钟不响的原因是什么?

倘若有一场意外灾难(如龙卷风)，它导致电力中断，从而闹钟不响了(假设闹钟是插电式的)。意外灾难同样也导致了交通堵塞。于是我们重新更新图1，给出了闹钟失效和交通堵塞的原因，如图2所示。

图2:一个更为完整的世界

如果时间轴线足够长，我们可以收集到大数据集合，然后分析发现，在你家的闹钟不响时,交通也发生阻塞了，很显然，这两个原本“风马牛不相及”的事物，存在相关性。但我们也清楚地知道，闹钟是否响起，和是否有交通阻塞，它们之间是没有因果关系的。这就是“相关性并不意味着因果性”的本质。

更明确点来说，相关性是统计上的概念，数据多了，A发生时B发生的概率，足够显著，那么A和B就是相关的。而因果性是逻辑上的概念，A发生导致B发生。类似的还有，例如，看见闪电(A)和听见雷声(B)是高度相关的，但它们二者相互之间并没有因果关系。

正如前文所言，相关性分析，不是杀死因果关系的凶手，恰恰相反，它是寻找因果关系的利器。相关性的背后，一定有导致A和B发生的共同原因在起作用。这些背后的原因，可能不是直接原因，它可能处于“因果关系图”的“上游”某处。例如，自然灾难就是“闹钟不响”和“交通阻塞”的背后共因。雷雨天气是“打雷”和“闪电”背后的共因