混杂因素

看一个常见的示例：每年夏天，冰淇淋销量涨，溺水人数也涨；到了冬天，两个一起落回去。两条曲线亦步亦趋，漂亮得像照镜子。

如果有人拿着这张图宣布"吃冰淇淋会导致溺水，应该限制销售"，你肯定会笑出声。但笑完值得多问一句：这两件事为什么绑得这么紧？答案是背后站着一个第三者——天热。天热了，买冰淇淋的人多；天热了，下水游泳的人多。天气同时推着两件事往上走，冰淇淋和溺水自己之间什么都没发生。这个"天热"，就是混杂因素。

混杂因素是怎么骗人的？

1. 两件事一起变，至少有三种可能。 A 导致 B；B 导致 A；或者有个 C 同时导致 A 和 B。混杂因素就是那个 C。只看"A 和 B 一起变"的数据，三种情况长得一模一样，分不清谁是谁。这正是相关性和因果关系之间那条鸿沟的来历。

2. 它能无中生有，造出假关系。 冰淇淋和溺水就是这么来的。再看一个经典例子：统计数据能发现，孩子的鞋码越大，识字越多。是穿大鞋促进智力发育吗？不是——第三者是年龄：年龄越大，脚越大，识字也越多。不揪出这个 C，你可能得出"给孩子买大号鞋"这种荒唐结论。

3. 它也能把真关系盖住、甚至弄反。 混杂不只是制造假阳性。它还可以让真实存在的效果看着变弱、消失，甚至方向相反。比如分组比例不同的数据一合并，总趋势就可能整个翻转——这种情况严重到有专门的名字，叫辛普森悖论（见辛普森悖论）。所以研究者对混杂的警惕是双向的：既怕被它骗出假关系，也怕被它盖住真关系。

认真做研究的人怎么对付它？

随机分组。 想研究一种药有没有效，把受试者随机分成吃药组和安慰剂组。随机的好处是：年龄、体质、生活习惯这些可能的第三者，更有机会在两组间均衡分布，而不是由研究者挑选分配；样本小的时候仍可能不均衡。剩下的差别，才有底气记在药头上。这正是随机对照试验被视为金标准的原因。

控制变量、分层比较。 没法做实验时（比如研究咖啡与健康），研究者会把吸烟情况相同的人放在一起比——因为早期研究里，喝咖啡多的人往往吸烟也多，吸烟才是推高心脏病风险的第三者，咖啡差点替它背了锅。

普通人不做研究，但有一句口诀够用了：看到"X 和 Y 相关"，先问有没有第三者。 这一问能挡掉新闻里一大半的惊悚标题。

一个常见误会

"找出混杂因素，就证明两件事毫无关系。" 不对。排除混杂之后，两件事之间可能真的没关系（冰淇淋与溺水），也可能关系依然存在、只是大小变了（咖啡与健康在控制吸烟后仍有待研究）。"发现混杂"的意思是"直接下结论为时过早"，不是"结案了，两者无关"。它是追问的起点，不是终点。

一句话收尾：两个一起变的东西，未必互相推动——先看看是不是有个第三者，在背后同时推着它们俩。