共同原因（混杂因素）

共同原因，也叫混杂因素，是一个隐藏的第三因素，它会独立影响另外两件事，让两者呈现出误导性的相关关系。在冰淇淋和溺水的例子中，这个因素就是炎热的天气：天热时，买冰淇淋的人会增多，同时去游泳的人也会增多，从而增加溺水风险。问题并不在冰淇淋本身；混杂因素，也就是高温，才是这两种趋势背后真正的共同原因。

想一想：“还有什么可能同时导致 A 和 B？”

当我们看到两个变量，比如 A 和 B，存在关联时，第一反应往往是认为 A 导致了 B，或者 B 导致了 A。共同原因这种混杂因素带来了第三种可能：一个隐藏的变量 C 同时导致了 A 和 B。

这会让 A 和 B 之间出现伪相关。它们一起变化，但并不是因为两者之间存在因果关系。忽略这种可能，会让我们得出错误结论，采取无效的行动。比如，想靠禁止销售冰淇淋来减少溺水，既荒唐又完全无效，因为这没有解决真正的原因：人们在炎热天气里去游泳。

再看几个例子：

• 健康：一项研究发现，喝咖啡的人寿命更长。一个潜在的混杂因素是社会经济地位。收入较高的人可能既买得起精品咖啡，又更容易获得更好的医疗服务和营养，而后者才是他们寿命更长的真正原因。

• 教育：家里藏书较多的学生，考试成绩往往更好。共同原因并不是书本本身，而是父母的收入、对教育的重视程度等因素。这些因素既让家里有更多书，也会促使父母鼓励孩子养成学习习惯。

• 商业：一家公司发现，自愿参加培训的员工，绩效评价更高。混杂因素可能是工作积极性。积极性高的员工更可能主动参加培训，也更可能在工作中表现出色，而不论培训本身带来了什么具体影响。

要得出可靠的因果结论，识别并控制混杂因素是一项核心挑战。研究人员会使用多种方法来减轻它们的影响。

• 多尔和希尔关于吸烟与癌症关联的研究等开创性工作，通过细致分析，严谨地排除了混杂因素。[2] 现代因果推断使用有向无环图（DAG）和朱迪亚·珀尔提出的“后门准则”等形式化工具，系统地确定需要控制哪些变量，才能消除偏差。[1]（2018）

• 极端的混杂效应可能导致辛普森悖论：将不同组的数据合并后，原有趋势似乎发生了逆转。这揭示了忽略底层因果结构的危险。[3]（2013）

识别出每一个混杂因素是一项主要挑战。我们往往无法把所有“未观测到的混杂因素”都考虑在内。如果错误地调整了并非混杂因素的变量，比如碰撞变量，还可能引入新的偏差。因此，要做好因果推断，除了统计方法，还需要深厚的领域知识。