這是一個人人都談大數據的時代，不過數據真的是有益的嗎？其實不一定，數據經常也會忽悠人。

請一句話評價下列事件（假設數據是真實的）：

• 研究發現，越是成功人士，睡眠時間越短。
• 研究發現，女人結婚后變得更加貧窮，男人結婚后變得更加富有。
• 研究發現，越富有的人越幸福。
• 研究發現，兒童時期吃西蘭花越多，成年后往往職業收入越多。
• 研究發現，去醫院越多，越容易生病。
• 過去20多年跟蹤研究發現，中國GDP越高，90后一代身高越高。

……

根據本人潛水博客論壇觀察總結，大部分人的評價是這樣的（至少前3個事件的評價是這樣）：

1，研究發現，越是成功人士，睡眠時間越短。

這么說，我要是不睡覺，是不是薪水就上億了？

2，研究發現，女人結婚后變得更加貧窮，男人結婚后變得更加富有。

看來還是女人對婚姻犧牲大??！結婚導致女人收入變低，卻增加了男人收入。

3，研究發現，越富有的人越幸福。

屌絲們洗洗睡吧，你幻想的窮開心是不現實的。

4，研究發現，兒童時期吃西蘭花越多，成年后往往職業收入越多。

我勒個去，都怪我小時候西蘭花吃少了，大白菜吃多了！

5，研究發現，去醫院越多，越容易生病。

唉，以后生病還是別去醫院了。

6，過去20多年跟蹤研究發現，中國GDP越高，90后一代身高越高。

哇！原來提高GDP還有這好處！不過，如果將來中國GDP下降，下一代怎么辦？

等等，貌似這上面的邏輯有點問題吧？

實際上，上面的每一個推理都有嚴重的邏輯錯誤，都是錯把相關關系當做了因果關系：

A越多，B越多，這是相關關系。

A越多，導致B越多，這是因果關系。

而如果沒有進一步的調查和理論，相關關系是推理不出因果關系的。

為什么？

請看下面這個“腦筋急轉彎”：

猜猜，下圖的雞和蛋是什么關系？

直覺：母雞剛剛下了蛋。

第二直覺：還有可能是這個母雞是由這個雞蛋孵化出來的。

其實，它們有4種可能的關系：

（注：雞蛋例子引用自李宏彬教授講座）

同樣，兩個“A越多，B越多”這樣的相關性實際上有4種可能（以收入和睡眠的為例）：

• A導致B：更少睡眠導致收入增加。
• B導致A：收入增加導致睡眠減少。
• A和B同時被C導致：隨著年齡的增長，人對睡眠要求減少，因此睡眠少。同時年齡大的人，往往經驗、人脈、知識更多，也自然收入更多。
• A和B沒有任何關系： 美國、西歐等經濟發達，導致人們收入高；同時他們愛吃牛排，導致睡眠需求減少。（數據僅為舉例，不代表真有這樣的關系。）

所以，當你看到“睡眠越少，收入越多”這樣的統計結果后，不要天真地認為只要你減少睡眠，你也能收入變高。

當然生活中的確有人是這么做的：

我認識一個人，看到了這樣一個微博上流行的統計結果后，為了獲得成功而刻意減少睡眠。

甚至，當他凌晨2點還在玩DOTA時，你過去問他：“你怎么還不睡？”他的回答是：“睡眠越少，將來越成功！為了賺大錢，我先從減少睡眠開始。而在這漆黑的夜里，只有DOTA能讓我清醒?！?/p>

所以，假設“成功導致睡眠少”而不是“睡眠少導致成功”，你是無法通過減少睡眠而變得更加成功的。就像白種人喜歡吃牛排，但是你無法通過吃牛排變得更白。

除了“成功VS睡眠”之外，其實上面每個新聞都有類似的邏輯錯誤：

研究發現，女人結婚后變得更加貧窮，男人結婚后變得更加富有。

這個數據其實無法推測出結婚讓女人變窮男人變富，還有可能是：預期自己將來沒什么錢賺的女人更想趕緊把自己嫁出去，而預期將來能賺很多錢的男人傾向于趕緊找個老婆。

當然，還有可能是其他原因甚至是完全無關的因素造成了這個相關關系。

研究發現，越富有的人越幸福。

通過這個數據并不能推測出你賺錢后就能變得更加富有。

實際上研究證明，當金錢超過個人基本需求之后（比如已經吃飽穿暖），對長期幸福感沒有顯著影響。

比如中了巨額彩票的人得到的幸福感只是短期的（類似吸毒產生的幸福感），調查發現，中彩票后6個月，即使你變得比之前富有上百倍，但是你的幸福感指數還是維持在6個月前水平。

（此研究詳細請看哈佛大學公開課《幸福課》，by Tal-Ben Sharhar）

那么為什么我們發現富有的人往往很幸福呢？

其實這是因為富有和長期幸福都由類似的因素導致：自信、熱忱、勤奮等。所以，你的自信、熱忱、勤奮等情商特征有2個產物：

• 能夠提升你長期幸福感，讓你覺得生活更加有意義
• 能夠讓你賺錢升職。但這不代表賺錢本身可以提高長期幸福感。

所以，“窮開心”還是存在的。

研究發現，兒童時期吃西蘭花越多，成年后往往職業收入越多。

這個新聞是我YY的，但是這句話絕對的正確的！

為什么呢？因為歐美國家的人往往吃西蘭花更多，而這些國家的普遍職業收入也很高，所以在全球統計數據上自然會發現“西蘭花攝入量”和“職業收入”的相關關系。

但是這并不代表你增加西蘭花的攝入會提高未來收入！

研究發現，去醫院越多，越容易生病。

嗯，這個也是我YY的研究，但數據也是千真萬確！但是這不代表不去醫院你就不生病了，因為不是“去醫院導致你生病”，而不是“生病導致你去醫院”。

過去20多年跟蹤研究發現，中國GDP越高，90后一代身高越高。

這更是絕對真實數據！

中國GDP和90后的身高自然是正相關啊—中國GDP從1990年的不到2萬億漲到2013年的50多萬億，90年出生的人身高也從0厘米增長到170厘米。但是這并不能證明是中國GDP幫助了90后長高。

為什么我們總是錯把“相關”當“因果”？

先看下面這樣圖，如果讓你對圖中的形狀分組，你的第一直覺是什么？

我想大部分人是按照位置分類—把圖中的圖形按照上邊的、左邊的右邊的分為3組。

但是相互靠近的圖形可能并沒有任何關系，這樣分類可能是無效的。

那怎么不按照形狀分類呢？第一反應怎么不是把圖形分成三角形、正方形和圓形？

這是因為我們本能—覺得相互靠近的東西一定是有關系的，同時出現的事件也一定是有關系的！

這樣的本能在遠古時代是很有用的，可以幫助人類在陌生的叢林中生存下來。

當他們發現了一個果殼，從而推測出這片森林有大片果樹；當他們聽到雷聲，從而覺得雷聲導致了下雨，得趕緊避雨了等等。這些本能幫助人們更好的在那個簡單、直接的世界生存。

但是現在社會瞬息萬變，信息復雜程度不知道超過遠古時代多少倍，我們已經無法通過簡單的相關關系來推測因果了。同時出現的事件可能毫無關系，因果的順序也可能完全顛倒。

同時無數的錯覺思維和錯誤歸因不斷發生，比如：

1，大眾對新聞的錯誤歸因

假設你看到這樣的新聞：

《同性戀搶劫超市，致6人死亡》

網友評價：同性戀就是喜歡搶劫！以后遇到他們小心點！

但是，你怎么知道他們的搶劫行為是因為他們的性取向導致的？如果搶劫劫匪穿41碼的鞋，今后你會從此遠離41碼鞋的人嗎？“同性戀”和“搶劫”只不過是同時發生的事件，并不代表它們有關系。

當然，媒體人們為了提高點擊率，經常使用這樣的技巧：讓新聞當事人的某個差異性特征出現在新聞上，從而讓大眾把“相關當因果”，覺得是這個差異性特征導致了他的行為。

類似的新聞評論還有：

外籍男坐過車站搶方向盤敲打司機

這是因為他“外籍”的身份而導致其打司機嗎？中國人自己不打司機？

2，盲目學習和模仿

我們經常盲目模仿成功者的特點，覺得模仿了他的特點，我們也能成功。

比如知名的大學無用論：比爾蓋茨和扎克伯格都是輟學后才成功的，所以為了成功，我沒必要上大學。

請問：他們是輟學導致了成功，還是成功導致了輟學，還是其他因素影響？

健康的人都不去醫院，所以你堅持不去醫院，你就能變得健康？

再比如企業管理的例子：

蘋果公司很成功，同時它給設計師付出的薪水也是最高的。難道就說明它的成功是由其設計師的高薪水導致的？所以你提高自己公司設計師的薪水，你就能成功？

3，刻意規避和迷信

你可能對這個故事感覺到很熟悉：

唉，有一年我第一次吃榴蓮，結果當天就遇到了車禍，從此以后，我就再也不敢吃榴蓮了。

實際上主人公的車禍和榴蓮可能沒有任何關系，但是因為是“同時發生的事件”，主人公潛意識覺得吃榴蓮導致了車禍，從而對榴蓮一輩子心有芥蒂。

錯把相關當做因果是很多讓人難以理解的迷信的根源之一。

比如在我家鄉都有敬車的習慣（每年固定時間向燒紙向上天祈福平安），但是去年突然變更了敬車的習俗—由過去的車頭向北變成了車頭向南。后來我才知道是因為去年出了很多車禍，大家覺得是敬車時車頭向北導致的（相關變因果），從而今年改成了向南。

所以，如果你仔細觀察，很多讓你難以理解的祖傳禁忌，實際上可能是當年某個相關事件的發生導致的—比如出了車禍就再也不吃榴蓮了。

結語：

我們正在面臨越來越多的數據和越來越多的復雜事件，同時也被要求做出越來越準確的決策。為了應對這樣的問題，請不要忘記—別拿相關當因果，數據也會忽悠你！

轉載自微信公眾號“李叫獸”（ID：Professor-Li），作者李靖。本文已獲轉載授權，如需轉載本文，請聯系原公眾號“李叫獸”