CycleUser

2005年，一个叫Bobby Henderson的俄勒冈州立大学物理学毕业生，给美国堪萨斯州教育委员会写了一封公开信。当时教育委员会正在讨论要不要在生物课上教"智能设计论"（也就是神创论的马甲），Henderson觉得这事儿离谱，就用了一种极其讽刺的方式反驳：

全球变暖、地震、飓风和其他自然灾害，都是自1800年以来海盗数量急剧减少的直接后果。

他附了一张图，横轴是海盗数量，纵轴是全球温度。海盗越少，温度越高。相关系数高得吓人。

这张图后来成了互联网上解释"相关性不等于因果性"最经典的案例之一。

先把数据摆出来

Henderson用的是近似数据，我整理了一份后人还原的版本：

双Y轴时间序列

从1800年到2020年，海盗数量从大约35000人锐减到几十人，全球温度异常值从-0.4°C上升到1.1°C。两条曲线几乎是完美的镜像关系。

画成散点图更直观：

散点图与回归线

皮尔逊相关系数 r ≈ -0.96。在统计学里，这叫"强负相关"——海盗数量每减少一点，温度就升高一点。如果只看这个数字，你可能会觉得海盗确实是地球的空调。

相关性高不代表因果关系，这是统计学的第一课，但很多人一辈子都没真正理解。

问题出在哪？Henderson犯了一个经典的错误：他忽略了一个混淆变量。

混淆变量示意图

真实的情况是这样的：

工业化进程同时导致了两件事： 1. 海盗因为各国海军力量增强而减少 2. 化石燃料大量使用导致温室效应加剧、全球变暖

海盗减少和全球变暖都是工业化的结果，它们之间没有直接的因果关系。就像你不能因为"冰淇淋销量和溺水人数高度正相关"就得出"吃冰淇淋会淹死人"的结论。

冰淇淋与溺水

夏天冰淇淋卖得多，溺水的人也多。相关系数也很高。但原因很简单：天气热。天热→吃冰淇淋多，天热→游泳的人多→溺水的多。冰淇淋和溺水之间没有因果链，"炎热的天气"才是共同的原因。

在统计学里，这个隐藏的共同原因叫混淆变量（Confounding Variable）。如果你不控制混淆变量，直接拿两个变量算相关系数，得到的就是"虚假相关"（Spurious Correlation）。

互联网上有一整个网站专门收集这类东西（tylervigen.com/spurious-correlations），随便举几个：

虚假相关案例

这些荒谬的例子都在说明同一件事：两个变量在时间上同步变化，不代表一个导致了另一个。

几个实用的判断标准：

1. 时间先后 原因必须发生在结果之前。如果A导致B，A的时间线要早于B。但光有时间先后还不够——公鸡打鸣后太阳升起，不代表公鸡叫醒了太阳。

2. 排除混淆变量 把其他可能的解释都考虑一遍。如果有一个变量C同时影响A和B，那A和B之间的"相关"就可能是虚假的。海盗和温度之间的C就是工业化。

3. 机制合理性 因果关系需要一个说得通的物理/生物/社会机制。冰淇淋→溺水没有生理机制，海盗→温度没有物理机制，但CO₂排放→温室效应有明确的物理机制（CO₂吸收红外辐射）。

4. 实验验证 最可靠的方法是做对照实验。随机把人分成两组，一组吃冰淇淋一组不吃，然后看溺水量有没有区别。当然这个实验没法做（也不道德），但科学上我们正是通过控制实验来建立因果关系的。

5. 剂量效应 如果因果关系成立，增加"原因"的剂量应该增强"结果"。CO₂排放越多，升温越明显——这符合剂量效应。但海盗减少的"剂量"和温度升高之间没有这种机制性的联系。

Henderson写那封信的目的不是真的要说服任何人相信海盗理论。他是在讽刺：如果你可以用同样的逻辑支持"海盗导致全球变暖"，那"智能设计论"也可以用类似的方式混进科学课堂。

这个案例之所以流传了20年还在被反复引用，是因为它实在太完美了：

它用一种极端的方式提醒我们：数据可以说谎，统计数字也可以。

当你看到"XX和YY高度相关"的新闻标题时，多问一句：有没有混淆变量？有没有反向因果？时间顺序对不对？机制说得通吗？

别被一张好看的散点图骗了。