有一天下夜班，我和同伴一邊打掃衛生一邊等接班的同事。
同伴突然對我說：“xx走了5千多步了，我得給他點個贊！”
xx就是接班的同事，他倆剛互為微信運動好友。
我一聽，連忙對同伴說：“xx早班都是步行，他家到單位5公里多點，步行有7、8千步。他現在走了5千多，應該再有兩千多步就到了。”
我倆根據自己的步行速度，估算出像xx那樣的男士走兩千多步差不多需要十分鐘，他還喜歡順便去一家包子店買兩個包子，這樣再花去三四分鐘。
現在是7點44分，不出意外的話，再有15分鐘，xx差不多8點就到了。我倆趕緊做好分內的工作，爭取趕8點05分的公交車。
8點整，xx準時出現在了我們面前，同伴拿起手機對他說：“xx，你走了7269步，真快！”
我倆匆匆趕到公交站，8點05分的公交車正好開來，沒耽誤一點時間。
由一個步行數據，我們做了一次科學的因果推理，而且準確高效。
如果現實生活中，我們做各種事情都從數據出發，用科學理性的態度進行因果分析推理，那我們不就能用最少的代價取得最好的效果嗎？
不過，現實生活中我們做的大多數事情都缺少可供參考的數據，即便有也沒有合適的因果推理方法對數據進行分析。
這就導致我們做決策時經常受到日常習慣和一些片面說法的影響，很容易做出錯誤決策。
那麼，有什麼方法能讓我們利用身邊的數據，快速找到事物之間的因果關係，並據此做出正確的抉擇呢？《原因與結果的經濟學》這本書可以幫到我們。
《原因與結果的經濟學》是一本介紹因果推理思考法的書，作者把因果推理法歸納成5個步驟，並提供了一系列工具，以保證推理過程的縝密嚴謹。
讀者如果照著書中介紹的方法進行因果推理，就會做出正確的抉擇，高效實現人生目標，而不會被各種學說所左右。
《原因與結果的經濟學》一書的作者是日本著名教育經濟學家中室牧子和醫療政策學家津川友介。前者常年致力於運用數據和經濟學方法提高兒童的學習能力，後者則致力於運用大數據改善醫療質量。
下面我們分四個部分簡要介紹書中內容。
一·“因果關係”與“相關關係”
所謂“因果關係”，是指兩個事件中，前一個事件是後一個事件的原因，後一個事件是前一個事件的結果。比如，“犯罪要接受法律制裁”，“買東西要付錢”等等。具有因果關係的兩個變量，當原因再次出現時，會出現相同的結果。
現代社會信息爆炸，各種各樣的說法層出不窮，一些似是而非的說法很容易讓人們把“相關關係”當做“因果關係”。那什麼是“相關關係”呢？
“相關關係”是指兩個事件相互關聯，但不屬於因果關係。比如：“上重點大學的孩子，未來收入更高”；或者“跟學霸做朋友，會提高學習能力”。
在相關關係的情況下，即使原因再次發生，也幾乎不會得到相同的結果。
經濟學家們經過科學論證，發現“上重點大學和收入”以及“與學霸交朋友和學習成績”之間並不存在因果關係，確切的說法應該是“未來有可能獲得高收入的人才多集中在重點大學”，“學習能力強的人更喜歡和學霸做朋友”。
可見，“相關關係”與“因果關係”很容易混淆，那我們該如何判斷兩個事件之間是因果關係而不是相關關係呢？
二·判斷因果關係的三個問題
判斷代表“因為”和“所以”的兩個變量是因果關係還是相關關係，可以通過以下三個問題進行檢驗，如果答案是否定的，就屬於因果關係。
具體是哪三個問題呢？
1.是否“純屬巧合”
還記得2010年南非世界盃中那個預測德國隊戰績的大神——章魚“保羅”嗎？它的預測準確率達到100%，受到全世界人的矚目。但是我們能說保羅可以預測準任何一場比賽嗎？
當然不能。在2008年的歐洲盃中，保羅的預測成功率只有83%，6次5中。這是為什麼呢？
科學家經過觀察發現，保羅之所以預測準確，是因為德國國旗的顏色正是章魚喜歡吃的食物的顏色，如果換成其他國家的國旗就不一定有這樣的效果了。
雖然答案讓人有點洩氣，但也說明保羅能預測準確純屬巧合。
而對於具有因果關係的兩個變量來說，兩者間的關係是恆定的，並不具有偶然性或巧合性。
2.是否存在“第三變量”
曾有這麼一種說法：身體好的孩子學習能力強。確實，如果沒有一個好身體，三天感冒兩天咳嗽，孩子即使想好好學習身體也不會做主。但這樣就能判定兩者之間是因果關係嗎？
不能，因為說不準有一個變量同時影響著孩子的體力和學習能力，比如“孩子父母懂教育”，懂教育的父母既關注孩子的身體，給孩子吃營養健康的食品，注重體育鍛煉，同時也注重培養孩子的學習能力。
所以，在這個例子中，身體好的孩子學習能力強還有個第三因素，那就是“父母對教育的熱衷程度”，如果事實真是這樣的話，那些認為上面的說法具有因果關係的父母，即便孩子的體力多麼強，孩子的學習能力也不一定會提升。
3.是否存在“逆向因果關係”
判斷兩個變量是否存在因果關係，還要看它是否存在“逆向因果關係”，也就是說，本以為是原因的事件其實是結果，本以為是結果的事件其實是原因。
比如“這位名作家的書銷量很高”，我們看作家與銷量的關係，因為有名，所以書的銷量大，但是將作家有名視為書籍銷量大的原因似乎有些牽強。
我們也可以認為，書的銷量大所以這個作家才有名。
如果以上三個問題的答案都是否定的，我們就說這兩個事件之間存在因果關係。那麼，我們又該如何去判定這三個問題呢？主要有兩個步驟。
三.判定因果關係的兩個步驟
很多時候，我們經常會後悔：如果當初不這樣做就好了……言下之意似乎現在的結果都是當初那樣做導致的。
那真實情況是這樣嗎？
1.設定“反事實”
讓我們看這個例子。假設你所在的公司為提升暑期手機銷售投放了一批廣告，結果投放後銷量大增，顧客盈門，銷售額達到500萬元。
這時你很想知道這種情況是不是廣告的作用。
假設你現在吃了一顆後悔藥（估計現實生活中如果有的話那一定是銷量最大的藥物），回到了當初做出決定的那一刻，你決定不投放廣告。
暑期結束後，經過統計，發現銷售額只有100萬元，比投放廣告少了400萬元。
那這400萬元就是銷售額大增的原因，是由廣告帶來的，同時也證明廣告與銷售額之間確實存在因果關係。
通過這個假設我們不難發現，想要證明兩個事件之間是否存在因果關係，只要讓它與“反事實”的結果進行比較即可。
如果我們把實際中發生的事稱為“事實”，那設想中與現實完全相反的情況就稱為“反事實”。
在上面的例子中，吃了後悔藥後沒投放廣告這一事件就是“反事實”，那多出來的400萬元銷售額，經濟學家稱其為“因果效應”。
有人可能會說，這世上又沒有賣後悔藥的，去哪兒找這樣的“反事實”？別急，我們可以這樣做。
2.尋找可比較的組，用最貼切的值代替
確實，這世上沒有後悔藥也沒有時光機，我們回不到過去。不過我們可以換個思路想。
讓我們再回到上面的例子，假設現在你所在的公司在相鄰的兩個城市都有分店。
這兩個城市無論從人口、居民人均收入、流行敏感度等各個方面都非常接近，唯一的區別就是“有無投放廣告”。
這時我們用未投放廣告分店的銷售額來替換有廣告分店的反事實銷售額就可以了。
這裡需要注意的是：這兩個可比較的組除了有無投放廣告外，其餘一切有可能影響到銷售額的特徵都必須極為相似。即便有一點差異也不允許。
比如投放廣告所在的城市當時電視臺正在播一檔綜藝節目，裡面演員所用的手機正好和廣告中的一樣。而未投放廣告的城市沒播這檔綜藝節目。
這種情況下，我們就無法判定多出的銷售額到底是廣告的作用，還是綜藝節目的作用。所以再次強調，兩個可比較的組一定要極其相似。
在上面的敘述中，我們知道了判定因果關係要確認三個要點（即回答三個問題），製造反事實和尋找可比較的組，如果再加上“原因”和“結果”分別是什麼，這五點綜合起來便構成了解讀因果關係的五個步驟。
不過，理論畢竟是理論，現實生活中想要找到極為相似的可比較組還是有一定困難的，所以經濟學家們利用各種方法儘量滿足這一條件。
這些方法有隨機對照試驗法、雙重差分法、斷點回歸設計法等等。下面我們就以斷點回歸設計法為例來看看經濟學家們是如何判定因果關係的。
四.利用斷點回歸設計法判定因果關係
斷點回歸設計法是利用任意決定的斷點值兩側自然成為干預組和對照組的情況，推算因果效應的方法。
這樣說可能有點不好理解，我們還以銷售手機為例。
假設總公司決定允許員工超過50人的分店投放廣告，如果這樣的話，那我們只要比較小於等於49人的店鋪和大於等於50人店鋪的銷售額，不就可以明確廣告對銷售額的因果效應了嗎？
也就是說，我們把50作為斷點，如果在這個地方銷售額出現大幅“跳躍”，那就證明是廣告導致的。而“跳躍幅度”即可視為投放廣告對銷售額帶來的因果效應。
需要注意的一點是，在連續變量的斷點附近，這兩家分店除了有無投放廣告，其他地方沒有任何顯著差異，此外也沒有發生過影響結果的其他事件。
比如投放廣告期間根據銷售額給員工提成，這樣的話，就無法判斷“跳躍”是廣告的效果還是獎金的效果了。
經濟學家們利用斷點回歸設計法證明出很多看上去是因果，實則是相關關係的結論，比如“和學霸做朋友不一定能提高自己的學習能力”，“提高老年人醫療費用自付比例，對他們的死亡率和健康狀況並不會產生影響”等等。
具體論證過程感興趣的讀者可以買來書仔細閱讀。
其實生活中有一些情況就可以用斷點回歸設計法來解決。
比如很多上班族吐槽老年人大清早趕公交影響他們正常上班出行。其實造成這種現象的很大一部分原因就是老年人有免費的公交卡。
政府出於好意給老年人謀福利，如果能夠利用斷點回歸設計法，給老年人享受免費公交設立幾個等級，給以不同的折扣，或許就會緩解這種情況了。
本書作者用了大量實例進行解釋論證，有很強的可讀性，同時也讓我們從科學的角度認識到某些一度覺得正確的觀點是錯誤的。
另外作者在書中介紹的幾種論證因果關係的方法，為我們能做出正確決策提供了切實有力的依據。
如果國家的決策層在某些事物上也能夠利用因果推理的方法做決策，就會減少不必要的浪費，更為高效經濟的為老百姓服務。
本書唯一讓人覺得遺憾之處是寫的有點太過簡單，如果讀者有一定的統計學基礎，理解起來會更輕鬆。
最後讓我們用作家拉爾夫·愛默生的話作結：“淺薄的人相信運氣，強大的人相信因果。”
在這個幹什麼都拿數據說話的時代，願我們每個人都具備“因果推理”的基本思維方法，成為正確的決策者，高效的行動者。
閱讀更多 漠中泉 的文章
