因果关系是什么意思 怎么分析两件事是否存在因果关系(2)

因果关系是什么意思

很多同学一看就来劲了！于是把两个指标带进去算相关系数，而且还到处百度

相关系数0.99算不算大

相关系数0.9算不算大

相关系数0.8算不算大

相关系数0.7算不算大

反正相关系数足够大，就算是相关了！

这次有一个复杂的公式做支撑，应该很科学了吧

这么搞，很容易搞出来统计学领域经典的“龙脉梗”

中国GDP年年涨

我家门前的树年年涨

把两个数据带进去，算出相关系数0.99

所以我家门前的树是中国的龙脉！

相关分析、回归分析、聚类分析，本质上不是“分析”，而是计算。通过计算，得出两列数字或者几列数字之间的关系。

至于这个关系到底有没有含义，计算公式本身就不负责解释了。因此套到现实中经常搞出来各种奇葩结果。

所有的统计学方法都有类似的问题，只能解释数据本身的关系，解释不了现实中的关系。更本质地看：是否所有业务行为，外部因素都能量化？完全不是。

比如消费者对品牌的信任，比如产品体验好坏，比如文案感受，是很难量化到一个稳定、可靠的指标的。因此，用统计学方法，可以大范围地筛选过滤指标，但是很难推理出真实因果。

常见方法3：趋势分析法

既然复杂的方法不好用，有没有简单的办法？有！比如基于最朴素的感觉：既然A会引发B，那么A产生了B就该产生，A结束了，B会慢慢结束（或者B死掉）。人们就此总结出了因果推断四大原则：

原因发生在结果以前

原因发生以后，结果发生

原因持续期间，结果持续

原因消失以后，结果消失

这样的推断，符合人们的直观逻辑。更重要的是需要的数据少！只要一个指标走势就能看图说话了。所以非常好用。

BUT，这么干有个很大的问题，就是无法剔除杂糅因素，只能观察到影响最大的那个因素。更无法看到隐藏在背后的深层因素。

比如观察外因的时候，只能观察到天气、限行这种明显的因素；观察内因的时候，只能观察到降价这种因素。其他小因素根本观察不到。

因此，这种方法常常用来做排除法，剔除不合理的借口。比如：“你说天气不好业绩就不好，那为啥人家天气差照样有业绩！”至于到底推动业绩的因素是啥？不知道，还得用其他方法分析。