从一个奇怪的统计说起
有人发现：一个城市卖出的墨镜越多，被晒伤的人也越多。难道是墨镜害人晒伤？听着就不对劲。
真相是：太阳大的日子，大家既会买墨镜，也更容易被晒伤。墨镜和晒伤只是“一起变多”，谁也没导致谁。
藏在背后的“共同原因”
很多“假因果”其实都有一个共同原因在背后同时推动两件事。找到它，谜底就解开了。
比如：“鞋码大的孩子，认字也多”。难道脚大让人聪明？其实是年龄——孩子长大了，脚变大，认的字也变多。
巧合，还有“反过来”的因果
除了共同原因，还有两种常见情况：一是纯属巧合——数据碰巧一起动了，换段时间就对不上了。
二是反向因果——你以为 A 导致 B，其实是 B 导致 A。比如“医院里病人多，所以医院让人生病”，其实是生了病才去医院，方向反了。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
某市数据显示：消防车出动次数越多的火灾，最终的财产损失也越大。有人据此说“别派那么多消防车，车越多烧得越惨”。这个推理错在哪？
答案：火势本身越大，既会招来更多消防车，也会造成更大损失——是火情同时推高了两者
对：真正的推手是“火势规模”这个共同原因，它同时拉高了出车数和损失，二者只是一起变大。错选项里“水助燃”是编造的伪机制、“毫无关联”过头了（它们确实相关，只是不因果）、“数据量大就是因果”正是这一课要破除的误区。
调查发现：家里藏书越多的小学生，近视率也越高。要判断“到底是不是读书读近视的”，下面哪一步最该先做？
答案：看看是不是家庭收入、父母学历这类因素，同时带来了更多藏书和更多近距离用眼
对：藏书多和近视高很可能被“家庭社会经济条件”这个共同原因一起推高，先排查它才不会冤枉读书。注意“直接下因果结论”和“当成定论”都是没排查就信；“把书藏起来”看似在做实验，但没有控制其它变量，单这一步推不出因果。
“城市里咖啡馆越多的街区，房价也越高。”与其说咖啡馆抬高了房价，不如说有一个同时推高两者的背后因素（比如这个街区本就繁华、人流多）。这个同时影响两者的因素，在这一课里被称作它们的“______原因”。（填两个字）
答案：共同
对：让咖啡馆和房价一起变高的“街区繁华程度”就是共同原因，它才是幕后推手，咖啡馆本身不是。识破假因果的第一招，就是去找这个 C。
“常去健身房的人，伤病反而比不去的人更多——所以健身房让人受伤？”这个说法最可能的毛病是：
答案：很可能是反过来：本来就爱运动、运动量大的人才常去健身房，运动多自然更容易有伤
对：这个例子的本质是**共同原因**——“爱运动/运动量大”这一件事，既使人常去健身房、又使人更易受伤；健身房和伤病只是被同一个原因一起推高，并不是健身房制造了伤病。注意它不是“反向因果”：伤病并没有反过来让人去健身房，真正的幕后推手是“爱运动”这个 C。错选项中“毫无联系”否认了相关、“器械一定危险”是没根据的断言、“样本太大失真”把样本大说成坏事，恰好相反。
网上有人画了张图：过去十年“某国人均奶酪消费量”和“被床单缠住身亡的人数”曲线几乎一模一样。下面哪个判断最靠谱？
答案：八成是巧合——两件毫不相干的事碰巧一起波动，换一段年份多半就对不上了
对：奶酪和床单意外八竿子打不着，曲线再像也只是偶然一起动，这正是“巧合”，换个时间段往往就崩。要警惕的是：不能一看到曲线吻合就硬找共同原因或因果——“硬找一个共同原因”和“曲线像就是因果”都是过度解读，而“奶酪让人乱动”是临时编的伪机制。
下面四段推理，哪一段才算真正站得住脚（最接近成立的因果判断）？
答案：在随机分成两组、其它条件都一样的情况下，喝了某饮料的一组更容易失眠——这才更像饮料导致失眠
对：把人随机分组，是在**大样本下平均而言**平衡了两组的各种混杂因素（也削弱了反向因果），剩下的差异才更可能是真因果——这正是相关迈向因果该有的样子。注意随机化不是“百分百”消除每一个混杂，而是让两组在大样本里整体可比。其余三段分别是反向因果（伞）、共同原因（金链子背后是财富/身份）、共同原因+乱扣因果（雪糕和溺水都由“天热/暑假”带动，彼此并不导致对方）。