相關不等於因果：從第三變項到合理結論
兩個數值同時增加或減少，表示它們在這組資料裡有關聯，不代表一個必定造成另一個。「相關不等於因果」是提醒，不是說相關資料完全沒有價值。相關可以是提出問題、建立預測或規劃後續研究的線索；只靠一次觀察，通常無法排除其他解釋。研究方法教學文章也特別提醒，這句口號不應讓人誤以為觀察研究永遠不能提供因果證據。
三種常見替代解釋
1. 共同原因（第三變項）
夏天冰品銷量和游泳意外都可能上升，不能因此說吃冰造成意外。氣溫較高可能同時讓人想買冰，也讓更多人去海邊或泳池；氣溫就是可能的共同因素。實際研究仍要查資料，不應把這個例子當成所有事件的完整解釋。
2. 反向因果
看到某種現象 A 和 B 一起出現，方向可能與第一直覺相反。例如睡眠較差和白天使用咖啡因飲料有關聯：飲料可能影響睡眠，睡不好也可能讓人隔天增加咖啡因攝取，兩個方向都值得檢查。
3. 偶然、偏誤或選樣方式
樣本少、追蹤時間短、只挑中某些結果或問卷只收到特定人的回答，都可能讓表面關聯與其他群體不同。即使統計關聯明顯，也需要檢查測量方式、缺漏資料和結果是否能重複。
看一個因果主張時問六題
- 兩件事怎麼量？ 定義是否清楚，資料來源和測量時間是否一致？
- 先後順序如何？ 若主張 A 造成 B，A 是否先於 B 發生？
- 有沒有共同原因？ 年齡、季節、收入、健康狀況或其他因素會不會同時影響兩者？
- 是否可能反向影響？ B 有沒有可能也改變 A？
- 樣本代表誰？ 研究在哪裡、對哪些人、追蹤多久？能否推到標題所說的整個族群？
- 研究設計支持多強的結論？ 作者有沒有比較組、隨機分派、前後測或其他處理混雜因素的方法？限制是什麼？
研究設計會改變我們能說多確定
- 一次性問卷或觀察資料：可描述群體中某些變項一起出現；通常要謹慎談因果，因為未測因素或時間方向仍可能造成其他解釋。
- 長期追蹤：有助於看先後順序和變化，但追蹤本身不會自動消除共同原因或失訪偏誤。
- 隨機分派實驗：若設計執行得當、結果測量可信、失訪和其他問題受到控制，可讓組間差異更有力地支持處置效果；仍需評估樣本、遵從度、副作用、倫理與能否推廣。
- 自然實驗或其他觀察性因果方法：在無法或不適合隨機分派時，研究者可利用政策、制度或其他設計尋找因果線索；結論依賴方法假設和檢查，不能只因研究用了複雜統計名詞就照單全收。
所以，隨機實驗不是任何因果問題的唯一方法，也不是只要有實驗標籤就保證正確。要讀研究者如何安排比較、處理偏差、檢驗假設和說明限制。史丹佛統計課程以隨機分派作為建立實驗比較的核心概念；研究方法教學文獻則提醒，對相關研究既不要誇大為因果，也不要把相關當作毫無資訊。
練習：把標題改寫得和證據相稱
一篇短報告比較兩班學生：常用練習 App 的班級平均分數較高。作者寫：「練習 App 提升所有學生的成績。」但摘要沒有說明班級怎麼選、學生原先程度、是否隨機分派、用了多久或有多少人退出。
試著改寫：「在這份比較中，常用 App 的班級平均分數較高；現有摘要資訊不足以判斷 App 是否造成差異，也不能直接推廣到所有學生。」
接著列出至少三個要查的問題：兩班起始程度是否相近？學生是否自行選擇使用 App？任課教師、教學時數或測驗內容是否相同？這些問題不會自動推翻研究，而是指出要判斷因果還缺什麼證據。
練習：分辨「關聯」和「因果」措辭
| 原句 | 比較安全的讀法 |
|---|---|
| 睡眠較長的受訪者，在這份調查中報告的專注力也較高。 | 描述觀察到的關聯；尚未說明哪個造成哪個。 |
| 隨機分派到新課程的學生，期末測驗平均分數較高。 | 若隨機分派和測量執行可信，可進一步評估課程效果，但要查看方法和限制。 |
| 城市增加公園後，居民健康變好。 | 需知道健康如何量、比較哪些居民，以及同期是否有其他改變。 |
寫摘要時可用的措辭
- 資料只顯示一起變動：「與……相關」「在本樣本中同時出現」。
- 研究設計支持但仍有限：「結果與……有助於……的解釋一致」，並補上對象、時間和主要限制。
- 證據鏈較完整：說清楚研究對象、介入、比較方式和不確定性，避免用「證明所有人都會……」這種過度廣泛的句子。
讀因果主張的目的，是校準結論強度：既不把關聯直接寫成原因，也不因為一句口號就否定有設計的研究。本文是一般研究閱讀指南，不提供特定健康、投資或政策決策建議。來源查核日期：2026-10-04。
參考來源
- Improving the teaching of “correlation does not equal causation” in Introductory Psychology
- Stanford Statistics：Lecture 19 — Randomized Experiments
資料記錄
資料維護資訊
- 最後查證
- 2026年10月4日