Skip to content

为什么相关系数不能直接说明因果? ​

问题 ​

汇总数据后发现两个变量高度正相关。能否据此说,主动增大一个变量会使结果上升?

快速回答 ​

相关系数衡量观测值的共同变化。因果问题考察的是,在其他条件可比时主动改变 x,y 会发生什么。需要研究设计和能支撑它的假设。

原因解释 ​

例如把两种运行条件的测量混到一起。条件甲的 (x,y) 是 (1,6),(2,5),(3,4),条件乙是 (7,12),(8,11),(9,10)。两组内部 x 每加 1,y 都减 1。乙组同时处在更高的 x 范围,y 基准也更高,混合后的 Pearson 相关变成 25/29≈0.862。

Pearson 相关 r=∑i(xi−x¯)(yi−y¯)/∑i(xi−x¯)2∑i(yi−y¯)2。合并样本后均值变成 (5,8);各组在合并均值的两侧,影响了分子中的乘积。分组内中心化后,每组的分子为负。这是混杂可能改变相关方向的具体例子。

处理建议 ​

先画分组散点图,再算整体与分组相关。运行脚本后查看三种量,合并相关 0.862、组内相关 −1,−1、含组别截距的 x 系数 −1。

Python 使用 NumPy 与 Matplotlib,运行 python mmf_confounding.py。MATLAB 基础版即可,保存文件并输入 mmf_confounding。NumPy 的 corrcoef 和 MATLAB 的 corrcoef 都返回相关矩阵,从非对角线读两个变量的 Pearson 相关。回归中加入组别列,允许两组有不同截距。

对同六项观测计算合并与组内的 Pearson r。合并结果为 25/29,两组内部均为 −1,说明分组口径会改变相关方向。

最简版依赖 Python:无第三方依赖。MATLAB:基础功能,无需额外工具箱。

在源码所在目录运行 python mmf_min_confounding.py

py
import json
from math import sqrt
from statistics import mean

first = [(1, 6), (2, 5), (3, 4)]
second = [(7, 12), (8, 11), (9, 10)]


def pearson(points):
    x, y = zip(*points)
    # 用离差内积除以两列离差的长度,不需要显式除 n-1。
    mean_x, mean_y = mean(x), mean(y)
    dx = [value - mean_x for value in x]
    dy = [value - mean_y for value in y]
    cross = sum(a * b for a, b in zip(dx, dy))
    return cross / sqrt(sum(a * a for a in dx) * sum(b * b for b in dy))


pooled = pearson(first + second)
within = [pearson(points) for points in (first, second)]
assert abs(pooled - 25 / 29) < 1e-12 and within == [-1, -1]
result = {"pooled_r": pooled, "within_r": within}
print("LAB_RESULT " + json.dumps(result, ensure_ascii=False))
下载当前源码

下载 Python 源码 · 下载 MATLAB 源码

特殊情况 ​

若两组的 x 取值范围完全不重叠,组别和 x 在观测中很难独立变化。分组模型可以描述现有数据,跨组外推需要额外根据。即使有重叠,也可能遗漏共同原因,异常点和非线性也会影响相关系数。随机试验若可行,应先定义干预、评价指标和对照;分析观察数据时,应明确需要哪些假设来识别效应。

常见误区 ​

只看合并后的相关系数。直接把分组回归系数解释为干预收益。用很小的相关系数排除一切关系,例如对称的 y=x2 可能线性相关接近零,但关系仍很强。

关联文章 ​

MathModel FAQ · 数学建模知识库