相关性与因果关系：避免商业分析中常见的统计陷阱

发布日期：2026年6月20日|最后更新日期：2026年8月10日

每当竞争对手的药物试验失败，一家制药公司的股价就会飙升。一所大学注意到吃早餐的学生成绩更好，于是推出了一项免费早餐计划来提高学生的成绩。一家医院发现服用更多药物的病人死亡率更高，于是短暂地考虑减少处方药以挽救生命。以上每一项观察结果都只是真实的关联性。它们本身都不能证明因果关系。相关性与因果关系是应用统计学中最重要的区别，因为基于错误关联性做出的决策会浪费预算、误导政策，或者像医院的例子一样，可能造成生命损失。

本指南涵盖了相关性实际衡量的内容、因果关系中哪些内容是相关性本身无法提供的，以及研究人员和分析师用来区分二者的方法，包括自然实验、工具变量、孟德尔随机化和有向无环图。以下每个示例都可追溯到已发表的、可核实的来源，而非为博客文章而编造的轶事。

相关性究竟衡量的是什么？

皮尔逊相关系数 r 是大多数人用来表示两个事物相关性的指标。它的取值范围在 -1 到 +1 之间，接近 +1 的值表示两个变量趋于同步增长，接近 -1 的值表示一个变量上升时另一个变量下降，而接近 0 的值表示它们之间不存在线性关系。这个限定条件比听起来更重要。例如，年龄与医疗保健支出或气温与作物产量之间存在的那种急剧弯曲的 U 形关系，即使两个变量之间存在紧密且可预测的相关性，也可能导致相关系数接近于零。皮尔逊相关系数 r 只能识别直线关系。

相关性本质上也是对称的。冰淇淋销量与溺水死亡人数之间的相关性，无论是用冰淇淋预测溺水人数，还是用溺水人数预测冰淇淋销量来计算，结果都相同，因为相关系数 r 背后的运算机制并不关心哪个变量先出现，也不关心它们之间是否存在因果关系。温暖的天气独立地影响着这两个数字。相关性无法排除这种解释，而且它原本的设计目的也并非如此。

因果关系需要哪些条件，而仅凭相关性无法证明？

因果关系是指，在控制或排除所有其他影响结果的因素后，改变一个变量平均而言也会改变另一个变量。相关性分析无法检验这一条件。研究人员依赖于专门设计的不同方法来检验因果关系。最直接的方法是随机对照试验，其中由抛硬币决定谁接受治疗，而不是患者的健康状况、收入或偏好。随机化切断了治疗与参与者之间既有差异之间的任何联系，因此，当两组最终出现不同的结果时，治疗就成为最合理的解释。

当真正的随机试验在伦理或实际操作上不可行时，因果比较研究设计便可近似地实现这一逻辑，它根据已测量的特征匹配各组，而非随机分配。两种方法都具有相同的根本目标：将某一变量的影响与其他所有伴随变化的因素隔离开来。

为什么相关性会被误认为是因果关系

三个独立的失败导致了看似因果关系实则不然的相关性。一个混杂变量可以同时影响这两个变量。德国各地院外分娩率和鹳鸟数量的增减趋势非常接近，以至于一家同行评审的儿科流行病学期刊专门发表了一篇关于此模式的正式分析文章。然而，研究发现，这种相关性在柏林的院外分娩中成立，但在同一城市的医院内分娩中却完全消失（Höfer、Przyrembel 和 Verleger，2004，《儿科和围产期流行病学》）。城市化影响了这两个数据。农村地区保留了更多的鹳鸟栖息地，并且家庭分娩率更高，但这两者之间并无关联。

反向因果关系是指因果关系与图表所示相反的情况。数十项队列研究表明，低维生素D水平与较高的死亡率相关，但一项系统评价筛选了722项研究并纳入其中84项，结果发现现有证据无法排除反向因果关系，因为患病人群户外活动时间减少、营养吸收效率降低、进食量减少，所有这些都可能导致维生素D水平下降，而这并非疾病的直接原因，而是疾病的下游效应（Heath, Kim, Hodge, English & Muller, 2019, International Journal of Environmental Research and Public Health）。一项涵盖111项健康结局的296项观察性研究荟萃分析的大型伞状综述发现，与涵盖46项结局的139项随机试验荟萃分析相比，这些关联性显著降低（Liu et al., 2022, Advances in Nutrition）。

偶然性造就了问题的最纯粹版本。泰勒·维根建立了一个网站，后来又出版了一本书，专门收录从不相关的公共数据集中计算出的相关性，其中包括人均奶酪消费量与因被床单缠住而死亡的人数之间的相关性——这种配对没有任何合理的机制，但相关系数却超过0.9。对足够多的变量对进行相互比较，必然会有一些变量因纯粹的巧合而同步变化。这三种情况都不会在数值上体现出来。无论相关系数反映的是混淆因素、反向因果关系、偶然性还是真正的因果效应，它看起来都一样。

真实案例：相关性被误认为因果关系

激素疗法的逆转

十多年来，观察性研究数据表明，激素替代疗法与绝经后女性冠心病风险显著降低相关，这一发现影响了全美各地的临床指南。随后，妇女健康倡议（Women's Health Initiative）在美国40个临床中心随机抽取了16,608名年龄在50至79岁之间的绝经后女性，分别接受雌激素-孕激素联合疗法或安慰剂治疗。该试验的结果与多年观察性研究的结论截然相反，激素组女性冠心病、中风和乳腺癌的风险反而增加。这一结果非常显著，以至于试验的数据监测委员会提前终止了雌激素-孕激素组的试验（Rossouw等人，2002，《美国医学会杂志》）。健康用户偏差是造成这一结果的主要原因。在早期的观察性研究中选择激素疗法的女性往往更富有、更苗条，并且更倾向于定期就医，而这些因素本身就能降低心脏病风险，与激素本身无关。

辛普森悖论在伯克利

1973年，加州大学伯克利分校研究生项目录取男性的比例明显高于女性，总体数据似乎清楚地表明了对女性申请者的歧视。一项被广泛引用的统计分析基于相同的招生数据，发现男性总体录取的可能性是女性的1.8倍。该分析随后将数据按院系细分，发现六个最大院系中的四个院系的录取率实际上更有利于女性（Bickel、Hammel和O'Connell，1975，《科学》）。女性申请的院系大多是竞争最激烈的院系，也就是那些拒绝大多数申请者的院系。跨院系汇总数据掩盖了这种模式，人为地制造出性别与录取之间的相关性。然而，一旦考虑到真正的混淆变量——院系选择——这种相关性就会发生逆转。统计学家现在将这种逆转现象称为辛普森悖论。

胆固醇确认

并非所有相关性都会经不起推敲。高LDL胆固醇就是一个例外，其相关性证据经受住了各种检验方法的考验。欧洲动脉粥样硬化学会2018年的一份共识声明回顾了200多项前瞻性队列研究、孟德尔随机化研究和随机试验，这些研究涵盖了超过2万名参与者，随访时间超过20万人年。研究发现，无论采用何种方法降低LDL胆固醇（基因变异、饮食或他汀类药物），降低LDL胆固醇均能降低心血管风险，且证据具有一致的剂量依赖性（Ference等，2018，《欧洲心脏杂志》）。一项相关的孟德尔随机化荟萃分析汇总了六个基因的九个基因变异，发现每降低一个单位的基因决定的LDL胆固醇水平，冠心病风险就会持续降低，且各变异之间没有可测量的异质性，I²值为0%（Ference等，2013，《美国心脏病学会杂志》）。遗传证据、队列研究证据和临床试验证据很少存在相同的偏倚来源。当不同的研究设计得出相同的结论时，这种一致性比任何单一方法单独得出的结论都更接近于因果关系的证明。

布拉德福德·希尔因果关系判断标准

奥斯汀·布拉德福德·希尔爵士是一位医学统计学家，他参与设计了确立吸烟与肺癌之间关联的研究。1965年，他在皇家医学会的一次演讲中提出了九个判断关联是否可能具有因果关系的观点，该演讲后来全文发表（Hill, 1965/2015, Journal of the Royal Society of Medicine）。希尔明确指出，这九个观点都不是硬性要求，也不能单独证明因果关系。它们的作用是作为判断的清单，而不是一个可以得出“是”或“否”答案的公式。

希尔本人关于吸烟的研究体现了这一框架的实践应用。1950年，最初的病例对照研究将吸烟与肺癌联系起来，但这些证据仅是相关性的，并遭到了包括统计学家罗纳德·费舍尔在内的众多科学界人士的质疑。费舍尔认为，共同的遗传易感性可能独立地导致了吸烟习惯和癌症风险。一项从1951年到2001年追踪了34,439名英国男性医生的前瞻性研究，通过长达五十年的剂量反应和时间性证据最终解决了这个问题。研究发现，1900年至1930年间出生的男性，如果终生吸烟，平均寿命比终生不吸烟者短约10年；而分别在60岁、50岁、40岁或30岁戒烟，则分别可以延长约3年、6年、9年或10年的预期寿命（Doll, Peto, Boreham & Sutherland, 2004, BMJ）。

研究人员如何真正确立因果关系

自然实验和双重差分法

自然实验利用真实事件，将个人、企业或地区分配到不同的条件下，而分配原因与研究结果无关，从而模拟随机化，而无需研究人员人为操控。经济学家大卫·卡德和艾伦·克鲁格就曾运用过自然实验。1992年4月，新泽西州提高了州最低工资，而邻近的宾夕法尼亚州却没有提高。标准的经济理论预测，新泽西州的就业人数会相对于宾夕法尼亚州下降。然而，通过比较两州在最低工资提高前后快餐业的就业情况，一种名为“双重差分法”的研究设计发现，就业人数并未出现下降（卡德和克鲁格，美国国家经济研究局工作论文4509，1993）。这一发现多年来一直备受争议，但其基本方法——利用一项无人能够操纵的政策变化来近似随机分配——却成为了应用经济学领域的一个模板。卡德因其基于此类自然实验对劳动经济学做出的实证贡献，荣获2021年诺贝尔经济学奖。

工具变量

工具变量会影响目标暴露因素，但除了通过该暴露因素外，它本身对结果没有直接影响，这使得研究人员能够分离出相关性中的因果部分，否则这些因果部分将始终处于混杂状态。遗传变异在孟德尔随机化中扮演着这样的角色，我们将在下文中讨论。在劳动经济学中，一个人的出生季度会影响其受教育年限（因为义务教育的年龄限制），但对成年后的收入没有其他明显的影响，因此在估算额外一年教育的经济回报时，工具变量也发挥了类似的作用。

孟德尔随机化：大自然提供的一种工具

一个人遗传哪些基因变异是在受孕时随机决定的，就像抛硬币决定患者被分配到哪个试验组一样。孟德尔随机化方法使用与暴露因素（例如胆固醇水平、维生素D水平、体重指数）相关的基因变异作为工具变量，比较那些因纯粹的遗传因素（实际上是随机因素）而暴露于不同因素的人群的结局。由于这些变异在出生前就已经确定，因此它不可能是由几十年后发生的疾病引起的，从而排除了反向因果关系；而且，由于这些变异的遗传很大程度上独立于生活方式和社会经济因素，因此大大降低了混杂因素的影响（Yao, Wang, Li & Liu, 2026, Statistics in Medicine）。

该方法已在某些领域重塑了临床指南，但在其他领域仍未解决问题。低密度脂蛋白胆固醇（LDL-C）就是上文所述的佐证案例。维生素D的情况则相反，遗传学和临床试验证据反复未能重现队列研究中观察到的关联强度，这与前文讨论的反向因果关系和残余混杂因素相符。研究人员在研究如何设计和报告孟德尔随机化研究时，实际上是在选择哪些观察性相关性值得通过基因随机化检验来验证。

有向无环图：分析前先映射混杂因素

有向无环图（DAG）是一种图表，它描绘了研究者认为会影响暴露因素、结果或两者的所有变量，并用箭头连接这些变量，箭头表示假定的影响方向。在运行任何统计模型之前绘制 DAG，可以明确地决定哪些变量是需要调整的混杂因素，哪些变量是位于因果路径上的中介因素（通常应保持不变），以及哪些变量是碰撞因素（如果进行调整会引入偏差）。调整碰撞因素可能会人为地制造出两个变量之间实际上并无关联的相关性，这与混杂因素的情况正好相反——未进行调整才是造成虚假相关性的原因。精心构建的 DAG 与敏感性分析自然契合，后者可以量化未测量的混杂因素需要多强才能解释某个结果，因为 DAG 可以识别出需要关注的混杂因素，而敏感性分析则可以检验其影响程度。

商业分析中的相关性与因果关系

商业仪表盘鼓励相关性思维，因为相关性分析快速、成本低廉，而且数据仓库中已有现成数据；而建立因果关系通常需要进行耗时耗力的实验。这种权衡取舍导致了许多有据可查且代价高昂的错误。一项针对在线广告的研究发现，最有可能点击广告的客户也是最有可能购买的客户，无论他们是否看过广告，因为先前的购买意向同时驱动着浏览行为和广告曝光（Lewis、Rao 和 Reiley，2011，《第20届万维网国际会议论文集》）。如果不随机分配广告的实际受众，就将看过广告的客户与没看过广告的客户进行比较，通常会高估广告活动的真实效果，作者将这种现象称为“活动偏差”。

一项与雅虎合作开展的独立随机实地实验直接解决了这个问题。该实验随机分配用户看到或看不到一家大型零售商的展示广告，并将广告曝光与零售商的实际销售点交易记录关联起来，而不是使用预期购买的相关模型（Lewis & Reiley，2014，《定量营销与经济学》）。在个体层面随机化广告曝光，然后比较不同组的实际购买结果，其逻辑与临床试验相同，只不过应用于营销预算而非药物。A/B 测试、随机对照组以及在匹配的对照区域不投放广告的地理实验，都是商业分析中与前文提到的随机试验和自然实验相对应的方法，它们的存在原因也相同。营销活动与销售额之间的相关性无法告诉财务团队，是广告活动带来了收入，还是仅仅恰逢业绩良好的季度。

基于观察性商业或临床数据的论文和学位论文经常会遇到审稿人提出这个问题。Editverse的博士统计学家为论文和学位论文作者提供的统计分析支持服务中，常规就包含这项检查，旨在确认在排除混杂因素、选择效应和反向因果关系后，所声称的因果效应是否仍然成立。这样，论文在提交给同行评审之前就能得到验证，而同行评审员无论如何都会提出同样的问题。

发布前实用检查清单

相关性值得发表。但仅凭相关性就得出因果结论通常不值得，除非研究设计本身支持该结论。在决定你的数据实际显示哪一种结论之前，请先仔细阅读以下列表。

• 检查时效性。 确认所提出的原因发生在所提出的结果之前，而不是之后或同时发生。
• 在运行模型之前，先画出混杂因素。 即使是粗略的 DAG，也能迫使人们明确列出其他可能解释该模式的因素。
• 寻找一个天然的实验对象或实验仪器。 政策变更、基因变异或数据中已内置的随机分配可以替代不合伦理或不切实际的试验。
• 检验该关联性在调整后是否仍然存在。 如果一个合理的混杂因素进入模型，并且关联性缩小、消失或逆转（就像激素疗法与心脏病以及性别与伯克利大学入学情况一样），那么最初的相关性并不能告诉你它看起来所代表的含义。
• 明确说明限制条件。 一个诚实标注的相关性研究结果，比一个研究设计无法支持的因果关系论断，更能服务于读者，也更能经受住同行评审。

获取专家帮助，分析数据中的相关性和因果关系

有些相关性与因果关系的问题只需一次精心设计的敏感性分析即可解决。而另一些问题则涉及复杂的混杂因素，审稿人会在接受论文的核心论点之前，要求提供完整的因果推断框架、有向无环图（DAG）或孟德尔随机化设计。Editverse 的统计学家能够处理学位论文、手稿和基金申请书中的统计分析，涵盖上述所有情况。

关键精华

• ✓ 相关性衡量的是两个变量之间的线性统计模式，但它本身并不能说明方向或机制。
• ✓ 混淆因素、反向因果关系和偶然因素都可能产生看似因果关系但实际上并非如此的相关性。
• ✓ 布拉德福德·希尔标准，尤其是时间性和剂量反应，仍然是判断关联性的标准框架，而不是证明这种关联的公式。
• ✓ 当仅凭相关性无法确定因果关系时，随机试验、自然实验、工具变量法和孟德尔随机化是确定因果关系的主要工具。
• ✓ “妇女健康倡议”试验和伯克利大学录取数据均显示出强烈的、具有统计学意义的相关性，但一旦真正的原因被解释清楚，这种相关性就会发生逆转。
• ✓ 在分析之前绘制的有向无环图 (DAG) 可以强制明确哪些变量是混杂因素、中介因素或碰撞因素。
• ✓ 在商业分析中，A/B 测试或随机对照试验可以回答因果关系问题，而仪表盘的相关性分析则无法做到这一点。

案例

1. Hill AB. 环境与疾病：关联还是因果关系？1965。 JR Soc Med。 2015;108(1):32-37. https://pubmed.ncbi.nlm.nih.gov/25572993/
2. Rossouw JE、Anderson GL、Prentice RL 等。雌激素加孕激素对健康绝经后妇女的风险和益处：妇女健康倡议随机对照试验的主要结果。 1537-1538。 2002;288(3):321-333. https://pubmed.ncbi.nlm.nih.gov/12117397/
3. Bickel PJ、Hammel EA、O'Connell JW。研究生招生中的性别偏见：来自伯克利的数据。 科学。 1975;187(4175):398-404. https://doi.org/10.1126/science.187.4175.398
4. Höfer T、Przyrembel H、Verleger S. 鹳理论的新证据。 儿科围产期流行病学。 2004;18(1):88-92. https://pubmed.ncbi.nlm.nih.gov/14738551/
5. Doll R、Peto R、Boreham J、Sutherland I. 吸烟与死亡率的关系：对英国男医生的 50 年观察。 英国医学杂志。 2004，328（7455）：1519。 https://pubmed.ncbi.nlm.nih.gov/15213107/
6. Ference BA、Ginsberg HN、Graham I 等。低密度脂蛋白导致动脉粥样硬化性心血管疾病。1. 来自遗传学、流行病学和临床研究的证据。欧洲动脉粥样硬化学会共识小组的共识声明。 Eur Heart J. 2018;38(32):2459-2472. https://pubmed.ncbi.nlm.nih.gov/28444290/
7. 姚明，王安，李晓，刘志。孟德尔随机化方法用于因果推断：估计量、识别和推断。 Stat Med。 2026;45(1-2):e70394. https://pubmed.ncbi.nlm.nih.gov/41569765/
8. Lewis RA，Reiley DH。在线广告与线下销售：通过雅虎上的一项控制实验来衡量零售广告的效果！ 量化市场经济学。 2014;12(3):235-266. https://doi.org/10.1007/s11129-014-9146-6