「相关不是因果」这句话，没告诉你的事
这句话你早就会背了。但它是一句止损的话，不是一句能用的话——它告诉你什么时候该闭嘴，却从来没告诉你什么时候可以开口。这本书讲的就是那个条件。
一家公司发现：用了「学习计划」这个功能的用户，三个月后的技能测评分反而比没用的人低了 3.3 分。数据是全量的，两万人，统计上极其显著。下面哪个说法最接近真相？
先记下你的选择。答案在这一章末尾——这本书剩下的 23 章，都是在把 D 变成一件可以动手做的事。
一句正确但没用的话
「相关不是因果」（correlation does not imply causation）大概是统计学里流传最广的一句话。它是对的。问题是它太好用了——好用到成了一句万能的终止符。
任何一个你不喜欢的结论，都可以用这句话打发掉。这让说这句话的人显得很清醒，但它同时也把讨论按死在原地：既然相关不是因果，那什么是因果？什么时候我们才可以说「A 导致了 B」？
大多数人给出的答案是：做实验。这个答案不算错，但它把 99% 的现实排除在外了。你没法随机分配谁抽烟。你没法随机分配谁上大学。你没法随机分配某个国家实行什么货币政策。你甚至没法随机分配你的用户会不会打开某个功能——如果那个功能已经上线了，如果你只有历史日志，如果做实验要等三个月而决定明天就要。
于是「相关不是因果」这句话，在实践中的效果往往是：大家一边说它，一边照样从相关推因果，只是心虚一点。
「相关不是因果」的下半句才是重点：那么，在什么条件下，相关就是因果？
这个条件是存在的，可以精确写出来，可以逐条检查，而且不需要做实验。找出它、检查它、在它不成立时想办法绕过它——这套方法叫因果推断（causal inference）。
四份数据，一个相关系数
先看清问题有多难。下面是四台不同的「世界机器」。每一台我都写下了它内部真实的运作方式——不是猜的，是我构造的，所以我知道标准答案。
# 四台机器，四种完全不同的结构 ① X → Y X 真的导致 Y ② X ← Y 其实是 Y 导致 X，箭头反了 ③ X ← U → Y 谁也不导致谁，有一个共同的原因 U ④ X → [门] ← Y 谁也不导致谁，是被同一道门筛进来的
然后我让每台机器各生成两万个样本。四份数据的相关系数——
四份数据的相关系数分别是 0.598、0.596、0.605、0.599。这不是巧合：四台机器的参数是我按解析式解出来的，让它们的总体相关系数精确等于 0.600。抽样带来的那点零头，就是你看到的那点差异。
但「把 X 拨动一个单位，Y 会跟着变多少」——这个问题的答案是 0.75、0、0、0。
四份数据在相关系数这一栏上一模一样，在因果效应这一栏上差了一个「有」和「无」。而且注意：这不是数据不够多的问题。你可以把样本量加到两千万、两亿，四个相关系数会收敛得更整齐地贴在 0.600 上，而四个因果效应还是 0.75、0、0、0。
相关系数是一个关于联合分布的数：给我 X 和 Y 一起出现的频率表，我就能把它算出来。
因果效应是一个关于结构的数：它问的是「如果我伸手去改 X，会发生什么」。而「伸手去改」这件事，在你收集的数据里根本没有发生过。
数据记录的是这个世界运行的结果。因果问题问的是这个世界的机制。多收集一些结果，不会自动告诉你机制。
看，和拨
上面那段话可以压缩成两个字，这两个字是全书的骨架：
看（seeing）：我观察到 X 是 1 的那些情况下，Y 的平均值是多少。写作 P(Y | X=1)。
拨（doing）：我伸手把 X 设成 1，Y 的平均值会是多少。写作 P(Y | do(X=1))。
这两个式子长得很像，中间只差一个 do。但它们是两个不同的数，可以差到符号相反。这本书从头到尾在做的事只有一件：在只有「看」的数据的情况下，把「拨」的那个数算出来。
为什么它们不同？因为「看到 X=1 的那些人」和「被我拨成 X=1 的那些人」，不是同一批人。
回到开头那个功能。用了「学习计划」的人，本来就和没用的人不一样：可能新手更愿意用（他们需要计划），老手不用（他们不需要）。于是「用了计划的人分低」这句话里，混着两件事——计划的效果，和「用计划的人本来就是新手」。
而如果你能拨——抛硬币决定谁用谁不用——那么两组人在其他所有方面都一样，剩下的差就只能是计划的效果。
这本书要给你的，是在不能抛硬币的时候，怎么从只有「看」的数据里，把「拨」的答案算出来；以及在什么情况下这件事做不到——那也是一个必须知道的答案。
为什么这会改变你看别的东西的方式
因果推断不是「一门统计技术」，它是一层透镜。装上它之后，很多你以为自己看懂了的事情会换个样子：
| 你以为它是 | 其实它是 |
|---|---|
| A/B 测试是「一种产品方法」 | A/B 测试是唯一一种你亲手把箭头剪断的场合。它贵，是因为它买的是那一刀 |
| 回归里「控制变量」越多越严谨 | 控制错一个变量，能把对的结论变成错的（第 11、12 章会当场演示） |
| 机器学习学到的是「规律」 | 它学到的是这个分布里的相关。分布一变就崩，因为相关会变、因果不会（第 23 章） |
| KPI 失效是因为「人会钻空子」 | 更深的一层：你把一个结果当成了旋钮去拧，而它不是（第 5、23 章） |
| 「幸存者偏差」是一个励志故事里的笑话 | 它是一个可以精确计算的量，而且它有一大家子亲戚，你的数据集本身就是其中一个（第 4、7 章） |
| 经济学论文在做「高级的相关分析」 | 过去四十年经济学的主线就是到处去捡别人替你抛的硬币（第 19–21 章） |
| 医学结论靠「大样本」 | 靠的是随机化。样本再大也堵不上一扇开着的后门（第 14 章） |
这张表是这本书对「值不值得读」的自我交代。如果学完之后你只多会了几个统计量，那这本书就白写了。它想换掉的是你读到任何一个数字时的第一反应。
2020 年前后有一批广为流传的报道：「去过某某地方的人感染率更低」「喝咖啡的人更长寿」「用某编辑器的程序员薪资更高」。
这些说法在数据上都可能是真的。问题从来不在数据造假，而在于：它们全都是「看」来的数字，被当成「拨」的结论用了。「喝咖啡的人更长寿」这句话，和「让你开始喝咖啡会让你更长寿」之间，隔着这本书的 23 章。
而且请注意：这些结论也不一定是错的。「相关不是因果」不能证伪它们，只能让它们悬着。要给出裁决，你需要别的东西。
上面四份数据可以要多少有多少，四个相关系数会越来越精确地收敛到 0.600，而四个因果效应还是 0.75、0、0、0。区分它们需要的东西——「谁能影响谁」——是关于世界结构的知识，不是关于这批数字的知识。
这一点让很多工程师不舒服，因为它意味着因果结论必然包含不可检验的成分。但这不是坏消息，这是好消息：它意味着这些假设可以被写出来、亮出来、被别人指着反驳。第 8 章之后你会看到，把假设画成一张图，是这门学问最实在的贡献——它把「我觉得」变成了「我假设这张图，你可以来吵」。
D这个功能其实有用，而且能算出有用多少。
那个 −3.3 分是真的。而那个功能的真实效应是 +5.0 分——第 12 章会把这两个数一起放在桌上，用同一份数据算出来。符号是反的。
A 「数据显著就是真的」——显著性回答的是「这个差异是不是运气」，它对「这个差异是谁造成的」一个字都没说。样本越大，一个被混淆污染的估计只会越确信地错。 B 「不对劲一定是统计错了」——数据和统计都没错。错的是把一个「看」的数字读成了「拨」的结论。这是本书要治的病。 C 「相关不是因果，所以说明不了什么」——这是那句正确废话的典型用法。它让你停在门口。这份数据其实能说明问题，只要你补上一样东西（第 10 章告诉你是什么）。这一章的一句话
相关不是因果，但「相关什么时候是因果」有确切答案；这本书就是那个答案，而它的全部内容可以压成一个动作：看 ≠ 拨。
下一章，我们去找那只手。上面第三台机器里的 U 就是它——一个同时影响两边的第三者。你会看到一根滑杆：它只动 U→Y 这一支箭头，而 X→Y 那一支从头到尾锁死在 +0.30。滑杆拧到底的时候，你从数据里看到的效应是 −0.685。