相關誤為因果

說明

兩件事一起變化（相關相關 Correlation兩件事常常一起變化。相關本身不代表其中一件造成另一件。看名詞表關閉），可能是 A 造成 B、B 造成 A、有第三個因素同時影響兩者（干擾因子干擾因子 Confounder研究中會混淆暴露與結果因果關聯的因素，常見情況是兩者有共同原因。不能只憑同時相關就判定，也不應把因果途徑中的中介因素直接當成混淆因子；須依因果結構評估。看名詞表關閉），也可能只是巧合。只看到一起變化，就斷定是 A 造成 B（因果因果 Causation一件事確實導致另一件事發生。看名詞表關閉），推理並不充分。

生活例子

「冰淇淋賣得越多的月份，溺水事件也越多，所以吃冰淇淋會增加溺水風險。」

這個虛構例子的一種可能解釋是：天氣同時影響購買與戲水行為。是否如此，仍需資料驗證。

保育例子

「這區的風力發電機蓋好之後，記錄到的鳥變少了，所以一定是風機害的。」

風機可能確實有影響，但同一段時間，周邊土地利用、氣候、調查方式也可能改變。要判斷風機的影響，需要比較有風機與沒有風機的區域、蓋之前與蓋之後的變化。

「院子裡放了餵食器之後，鳥變多了，所以餵食對鳥是好事。」

即使題目假定記錄到的鳥變多，「對鳥好」仍是另一個結論。還要問健康與存活狀況是否改善，不能只用數量判定。

何時不算謬誤

相關常常是找出因果的第一步。對照比較、作用機制與對混淆的處理可以增加支持，但還須評估未量測因素、測量方式與樣本選擇；觀察性研究不會因為有對照組就自動證明因果。

善意回應法

「鳥變少確實值得調查。那段時間周邊還有什麼改變？有沒有沒蓋風機的地方可以比較？」