因果推断学习2 - 相关性!=因果性 - ⎝⎛CodingNote.cc ⎞⎠

本文从 $相关性\ne 因果性$ 角度来说明因果推断的意义。

假设我们现在有一堆数据表明，大多数穿鞋睡觉的人，起床会头痛；大多数没有穿鞋睡觉的人们，起床不会头痛！穿鞋睡觉和起床头痛具有很高的相关性。

如果不想起床头痛，我晚上睡觉不穿鞋会有用吗？这就需要判断穿鞋睡觉是否是起床头痛的原因！

假设有额外数据显示，穿鞋睡觉的人大多数都喝多了，且第二天头痛的人大多数也是这些人。有可能说明，导致穿鞋睡觉和起床头痛的高相关性是因为他们有一个共同因素(common cause)就是：喝多了！

分析一下穿鞋睡觉和起床头痛有很高相关性的可能原因。

两组人群有很大的差异性，穿鞋睡觉的人基本都喝多了，而没穿鞋睡觉的人基本没喝多，所以这两组人群本身是不可比的，也就无法进行因果推断计算。只有除了研究因素外其他因素都无明显差异情况下，两组人群针对研究因素才可比。
Confounding，先解释一下什么是confounding(混淆)。由存在共同原因(common cause)，它混淆了两个变量的相关性。如下图所示，confounder会导致观测数据存在confounding association。而我们观测到的数据，存在这两种混合的相关性。而因果性也会导致一定的相关性，称为causal association，但是由于confounding association的存在，我们观测到的混合相关性无法直接推测出因果关系，所以相关性与因果性不同，也无法推出因果性！

$相关性=因果性$ ——-认知偏差 (cognitive bias)

虽然大家都知道相关性等于因果性是错误的，但是大家潜意识都会默认来使用这一点，这是由大脑思维存在一些固定思维倾向导致的认知偏误。

可以把穿鞋睡觉换成任何事情，任何与起床头疼的可能存在相关的事情。

只是想找到一个解释，来避免下次产生头疼这件事。* 可以有如下来源

availability heuristic：任何你想起最近的事情，比如喝了咖啡，你会认为喝了咖啡导致了我起床头疼。（甚至很久以前你看过文章说咖啡不会导致头疼。但那么久的事情已经忘了）
motivated reasoning：一般由个人的价值观或世界观诱导。比如，一个人不喜欢和岳父相处，则他会把头疼这件事归因于与岳父相处，给你一个理由来拒绝不想做的事情。

下一节讲什么导致因果！