相关性vs因果关系--避免跳到原因上
相关性不是因果关系。我们常常围绕着时间从相关关系跃升到因果关系。事件A发生，然后事件B发生。这很容易从 "A发生在B发生之前 "变成 "A导致B"。案例--在纽约市的一次停电事件中，许多人认为是他们按动开关或使用电器而造成停电。虽然相关性足够真实--这些因素确实同时发生--但打开吹风机并不是一个有效的原因。缺少的是原因的机制--描述一个所谓的原因实际上是如何导致观察到的结果的逻辑。
但是这两种行为之间的密切关联是如此具有诱惑力，以至于我们倾向于跳到原因。你很接近了--你已经找到了一个可能具有某种解释力的模式。但你需要澄清原因的机制。
在停电案例中，我们可以简单地看一下情况的逻辑。两年多来，我每天都在同一时间使用这台设备，却没有造成停电--其他事件没有造成停电，今天的事件怎么会造成停电？在根本原因分析中，我们经常听到这样的话--"一定是新的化合物K供应商有问题，因为我们改用该供应商的那天，我们的产量就下降了。"这就是它的范围。但它需要走得更远。
在最近的一个案例中，一个生物制药过程的产量几乎在一夜之间下降了22%，就出现了这样一个供应商的变化。"这是新的大豆油，"他们宣称。"一定是这样。"产量的下降在时间上确实与供应商的变化相对应，但这还不够。那个新的大豆油是什么导致了产量的下降？该案例中的关键事实与流程中何时产量下降有关。它是在生长阶段，即虫子正在繁殖的时候下降的吗？它是否发生在生产阶段，当那些完全长大的虫子现在正在生产抗体？
在这种情况下，是生长阶段下降了。生长阶段之后，该过程产生了与预期一样多的蛋白质，占生长阶段较少的生物体的百分比。我们问："豆油对生物体的生长有什么帮助？"答案是蛋白质--豆油中的蛋白质水平越高，产量就越大。有了这个逻辑，我们检查了旧豆油和新豆油的蛋白质水平。结果发现，新油的蛋白质含量少了20%，这就为供应商的变化被确定为原因提供了依据。
下次你听到有人把相关关系定位为原因时，问一下机制--"我可以看到这两件事同时发生，但这种变化是如何导致我们看到的具体偏差的？"如果你能回答这个问题，你就有了一个可以测试的真正原因。
