“哲学、经济学、统计学和逻辑学都试图理清因
果关系，克莱因伯格成功将这些完全不同的思路以一
种简单实用的方式综合在了一起。数据时代，更多的
人类活动都将‘为数据所驱动’，要想弄清政策导向
、了解自身健康以及认识周围世界，必须掌握因果关
系。”
一Chris Wiggins，博士

前言
第1章 引子
1.1 何为原因
1.2 怎样才能找到原因
1.3 为什么需要原因
1.4 接下来……
第2章 心理
2.1 原因的寻找与使用
2.1.1 感知
2.1.2 推理与论证
2.2 责任的划分
2.3 文化
2.4 人的局限性
第3章 相关性
3.1 相关性是什么
3.1.1 没有变化就没有相关性
3.1.2 相关性的测量与解释
3.2 相关性的用途
3.3 为什么相关性不是因果关系
3.4 多重测试与P值
3.5 没有相关性的因果关系
第4章 时间
4.1 因果关系的感知
4.2 时间的方向性
4.3 当事物随着时间变化的时候
4.4 原因运用中的时间因素
4.5 时间可能具有误导性
第5章 观察法
5.1 规律性
5.1.1 穆勒五法
5.1.2 各种复杂的原因
5.2 概率
5.2.1 为什么要使用概率
5.2.2 从概率到原因
5.3 辛普森悖论
5.4 反事实推理
5.5 观察法的局限性
第6章 计算法
6.1 假设
6.1.1 无隐藏的共同原因
6.1.2 典型分布
6.1.3 正确的变量
6.2 图解模型
6.2.1 图解模型在什么情况下会表示因果关系
6.2.2 从数据到图形
6.3 衡量因果关系
6.3.1 概率与因果关系的显著性
6.3.2 格兰杰因果关系检验法
6.4 现在该怎么办
第7章 实验法
7.1 从干预措施中获取原因
7.2 随机对照试验
7.2.1 为什么要做随机试验
7.2.2 如何设置对照组
7.2.3 研究结果适用于哪些人
7.3 当参与者只有你自己时应该怎么办
7.4 可再现性
7.5 机制
7.6 实验法是否足以找到事件发生的原因
第8章 解释
8.1 寻找某个事件发生的原因
8.1.1 出现多重原因时
8.1.2 解释可能具有主观性
8.1.3 原因出现的时间
8.2 具有不确定性的解释
8.3 将类型层面和实体层面分开来看
8.4 使解释过程自动化
8.5 法律活动中的因果关系
8.5.1 要不是因为……
8.5.2 近因
8.5.3 陪审团
第9章 行动
9.1 对因果假设的评估
9.1.1 强度
9.1.2 一致性（可重复性）
9.1.3 特异性
9.1.4 时间性
9.1.5 生物梯度
9.1.6 可信度与连贯性
9.1.7 实验
9.1.8 类比性
9.2 根据原因制定政策
9.2.1 背景
9.2.2 效力和效果
9.2.3 意外的结果
第10章 展望
10.1 人们需要因果关系
10.2 主要原理
10.2.1 因果关系和相关性不是同义词
10.2.2 针对偏差的批判性思考
10.2.3 时间的重要性
10.2.4 并不是所有实验研究都比观察性研究好
10.3 一个百宝箱
10.4 知识的重要性
致谢
参考文献
关于作者

休谟不单单提出了“是什么使得某事成为了原因”，而是将这一问题一分为二：何为原因？如何才能找到原因？更重要的是，休谟没有去寻找能够区别原因与非原因的特征，而是从本质上将二者的关系提炼成了经常性事件。也就是说，我们通过经常性地观察事件发生的规律来了解因果关系，而且也只能通过经历这些有规律的事件来了解原因。
蚊虫叮咬是传染疟疾的必要前提，但春季冰淇淋小贩的突增却不是天气变暖的必要前提。然而，我们无法仅通过观察就找出经常性事件（天气／冰淇淋小贩）与必要性事件（蚊子／疟疾）之间的差异。只有在出现反例时，比如天气已经变暖了，而冰淇淋摊位却并没有增加，我们才能了解到冰淇淋小贩并不是气温变化的必要条件。
我们想当然地认为原因发生在结果之前，而不是在结果之后或与结果同时发生。这一点我们会在第4章借用物理学中同时性因果关系的例子来进一步讨论。此外，我们还需关注一些原因并没有在结果之前发生的情况。具体来说，我们所观察到的事件发生的时间也许并不忠于实际上事件发生的时间或事物之间的联系。开枪时，我们先看到的是枪火，然后才会听到巨大的响声。因为我们总是先看到枪火，再听到枪声，所以可能会认为是枪火引起了枪声，但实际上枪火和枪声都是开枪引起的。只有研究了这两个事件发生的共同原因，我们才能理解这种规律性。
很多情况下，我们可能无法在事件真正发生之时对其进行观察，所以即使有些事件其实是有先后顺序的，但它们看起来也好像是同时发生的。这种情况经常出现在病历中：病人诉说一系列症状，然后医生将这些症状记在相应的药物旁边。看起来似乎症状、诊断和处方是同时发生的（因为它们都是在看医生的时候被记录的），即便药物是在症状出现之前服用的（正是因为用药出现了症状才去看医生的）。时间也有可能是错误的，因为数据并不是在事件发生时收集的，而是事后收集的。如果我问你上次头疼是什么时候，除非你专门做了记录，或者是你最近才头疼过并且记忆犹新，否则你回答的时间可能并不是真正准确的时间。而且事件发生的时间越久，你的记忆就越不可靠。然而，要想判断一种药物是否真的有副作用，事件发生的先后顺序是最关键的信息之一。
休谟不仅要求原因在时间上早于结果，还要求原因和结果在时间和空间上的距离都要相近（相邻）。如果它们在时间和空间上差得太远，那我们将很难发现它们之间的因果关系，因为很多其他因素可能会掺杂其中并对结果产生影响。假设一个月爿友借用了你家的咖啡机，在她归还后的第三个月你发现机器坏了，这时你就很难将责任归咎于你的朋友。但如果她归还机器的时候你就发现机器坏了，那就很容易将责任归咎于她了（事实上，心理学实验也通过让人们根据两个事件发生的不同时间差来推理因果关系，证实了这一现象）。同样，如果一个人距离书架几英尺远，而另一个人离书架的距离比他要近得多，这时一本书从书架上掉下来了，那么站得近的那个人更可能是引起书本掉落的原因。类似地，台球杆击中台球之后，台球立即开始在球桌上滚动，这使得台球与球杆的联系明显多了。
休谟要求原因和结果在时空上具有邻近性，然而有些因果关系却并不符合这一要求。这就限制了该理论的适用范围以及我们进行因果推理的能力。比如说，某种因素的缺乏会导致某种结果，就像缺乏维生素C会导致坏血病。这一因果关系就不符合休谟的邻近性要求。如果心理状态（比如信念或意图）也能作为原因的话，那么我们就又得到了一种因果关系，这种因果关系的因果之间没有任何物理上的联系。比如说，学生做作业可能是为了得高分，但是这种得高分的欲望和做作业的行为之间并没有物理上的联系。还有一些时间跨度很长的因果事件，比如因环境因素而导致的健康问题。有时即使这些事件之间是有紧密联系的，我们可能也不会注意到这些联系。
P6-7

喝咖啡会使人长寿吗？股票价格为什么上涨？小班教学能提升学生成绩吗？为什么会得流感？类似这类因果问题经常出现，但多数人都没有深思过答案。
因为没有一个万无一失的计算方法，因果并不容易确定。你以为的并不一定是你以为的，你看到的也不一定是你看到的，多少误会、；中突乃至战争，也都因随意归纳因果关系而起。即便有大量数据支撑，你以为的“因果”也可能只是迷惑人心的相关性。
萨曼莎·克莱因伯格著的《别拿相关当因果（因果关系简易入门）》是一本写给普通人的因果关系入门书，旨在让复杂的因果关系通俗易懂、广为人知，带你了解因果和相关的区别，教会你摆脱一厢情愿、非此即彼的思维定势，形成一套基于原因的思考体系，并利用因果关系做判断、定策略。

喝咖啡会使人长寿吗？是谁把流感传染给你的？
股票价格为什么会上涨？无论是做饮食安排还是投资
选择，抑或是责怪某人毁了你的周末，你都需要不断
去了解其中的原因。正是这种因果关系在帮助我们预
测未来，解释过去，让我们能够介入其中并对事物的
变化产生影响。与流感病人接触会让你在一段时间内
也染上流感，知道了这一事实，你就能知道自己会在
什么时候出现流感症状。针对性很强的游说可以为你
筹集政治竞选资金，了解了这一关系，你就可以将这
些游说活动视为增加竞选资金的一个可行方案。高强
度运动会导致高血糖，意识到这一点，你就可以帮助
糖尿病患者控制血糖。
尽管推断因果关系这一技能非常重要，但你之前
可能没有接触过这方面的课程。事实上，你可能都未
曾静下心来想过，为什么某件事会成为另一件事发生
的原因。虽然这个问题的答案涉及很多因素，但从根
本上看，原因可以提高一个事件发生的概率，是产生
某种结果的前提，或者是让某件事情发生的策略。但
是，不能因为某种药物会引发心脏病，就认为某个人
的心脏病发作是由这种药物引起的。也不能因为某个
地区在缩小班级规模以后，学生的成绩都得到了提高
，就认为同样的做法在其他地区也会产生同样的效果
。本书不仅要讨论在一切进展顺利的情况下可能会出
现哪些结果，还要研究为什么成功看似很难被复制。
除此之外，我们还要考察那些在理论研究中经常被忽
视的实际问题。
研究因果关系的方法有很多种（有些是互补的，
有些是对立的），而且涉及众多领域（包括哲学、计
算机科学、心理学、经济学、医学等）。我无意在这
些争辩中选择立场，只想为读者呈现各种观点，厘清
各种观点之间的共识与分歧。除此之外，我们还将探
讨关于因果关系的心理学（人们是如何了解原因的）
、如何进行因果关系的实验（以及这些实验的局限性
是什么），以及如何根据因果关系来制定相应的策略
（我们是否应该减少食物的含盐量，以此来预防高血
压）。
我们首先要弄清楚什么是原因，以及为什么我们
常常会弄错事情发生的原因（第1～3章）。然后，要
认识到在原因的理解和运用方面，“什么时候”与“
为什么”同等重要（第4章）。接着，要学习如何只通
过观察就找到事情发生的原因（第5章）。
大型数据集可以让我们找到事情发生的原因，而
不是简单用来检验我们的假设。但是我们必须认识到
，并不是所有的数据都能用来推理事件发生的原因。
在第6章，我们将考察数据特征对推理的影响。第7章
将探索在可以做实验的情况下，如何去克服这些数据
特征给我们带来的挑战。这里所说的实验可能是复杂
的临床试验，也可能只是某人对自己不同锻炼计划所
做的对比实验。通常情况与个别情况之间的差异，正
是我们需要使用专业性策略对各种事件做出解释的原
因（第8章讨论的内容）。但是，要想利用因果关系来
制定有效的干预措施，如在菜单上提供食品热量信息
来降低肥胖症发生的概率，就需要有更多的信息，而
且很多干预措施还可能带来意想不到的后果（第9章将
详述这一点）。本书将会告诉你为什么因果关系如此
难找（比报纸文章告诉你的要更细致、更复杂），以
及为什么尽管如此，它仍是一个相当重要且广泛适用
的话题。
虽然困难重重，但也并非毫无希望。你将会形成
一套基于原因的思考体系：要问的问题、应引起怀疑
的危险信号以及证实因果关系的方法。除了帮你找到
事情发生的原因以外，本书还能帮你基于因果关系来
做出决策、制定策略，并通过进一步测试来验证你找
到的原因。
这本书是为普通读者而写的，我并未假定这些读
者具有相关的背景知识。我唯一假定的是读者对因果
关系充满好奇，我要让复杂的因果关系变得通俗易懂
、广为人知。读完之后，我们会更加关注人们的直觉
以及如何从概念上理解因果关系，而不是数学细节（
实际上，本书不会介绍任何数学知识）。如果你是计
算机科学或统计学博士，也许会学到一些新的工具并
且很享受在其他领域的工作之旅，也可能会向往更多
方法论方面的知识。不过，本书要研究的只是普通人
眼中的因果关系。

萨曼莎·克莱因伯格著的《别拿相关当因果（因果关系简易入门）》是写给普通人的因果逻辑入门书，旨在帮助读者培养严谨的思维方式，在不借助任何专业知识的前提下，准确定位问题。主要内容包括：认识原因，对原因的理解和运用，如何只通过观察找到原因，大数据集与原因的关系，因果关系相关实验，如何利用因果关系来制定有效的干预措施，研究因果关系的意义。
本书适合所有对探究事件真相感兴趣的读者，无须统计学等专业背景。