反向因果关系：定义和示例

当您认为 X 导致 Y，而实际上 Y 实际上导致 X 时，就会出现反向因果关系。

这是许多人在看待两种现象时常犯的错误，错误地认为一个是原因，另一个是结果。

示例 1：吸烟与抑郁症

反向因果关系的一个常见谬误涉及吸烟和抑郁。

在一项观察性研究中，研究人员可能会观察到吸烟较多的人往往更加抑郁。因此，他们可能天真地认为吸烟会导致抑郁症。

然而，研究人员可能会反悔，抑郁症实际上会促使人们吸烟，因为他们认为吸烟是缓解负面情绪和发泄情绪的一种方式。

示例 2：收入和幸福

反向因果关系的另一个常见错误涉及报告的年收入和幸福水平。

在一项观察性研究中，研究人员可能会观察到，年收入较高的人也可能会报告总体生活更加幸福。因此，他们可以简单地假设更高的收入会带来更多的幸福。

然而，实际上，天生快乐的人往往会成为更好的工人，从而获得更高的收入。因此研究人员实际上可以扭转这种关系。更高的收入可能不会带来更多的幸福。更多的幸福可能是更高收入的原因。

示例 3：吸毒和心理健康

反向因果关系的另一个例子涉及吸毒和心理健康。

在一项观察性研究中，研究人员可能会观察到吸毒者的心理健康水平也可能较低。研究人员可能会天真地认为吸毒会导致心理健康状况下降。

事实上，天生幸福感较低的人可能更有可能吸毒，这意味着吸毒与心理健康之间的真实关系是相反的。

判断因果关系

评估现象之间因果关系的一种方法是使用Bradford Hill 标准，这是英国统计学家 Austin Bradford Hill 爵士于 1965 年提出的一组九个标准，旨在提供两个变量之间因果关系的证据。

这九个标准是：

1.强度：两个变量之间的关联性越大，因果关系的可能性就越大。

2. 一致性：不同研究人员在不同地点、使用不同样本观察到的一致结果增加了关联具有因果关系的可能性。

3. 特异性：如果特定地点存在非常特定的人群和疾病，并且没有其他可能的解释，则可能存在因果关系。

4. 时间性：结果必须发生在原因之后。

5. 生物梯度：更大的暴露通常会导致更大的效应发生率。

6. 合理性：因果关系之间合理的机制是有用的。

7. 一致性：流行病学结果和实验室结果之间的一致性增加了产生效果的可能性。

8. 实验：实验证据增加了因果关系的可能性，因为在实验过程中可以控制其他变量。

9. 类比：使用观察到的关联与任何其他关联之间的类比或相似性可以增加因果关系存在的机会。

通过使用这九个标准，您可以增加正确识别两个变量之间因果关系的机会。