因果推理 · 1/6
相关不等于因果：先问比较了谁
把观察到的差异改写成一个明确、可检验的因果问题。
约 15–20 分钟。以下为虚构教学情境。
先记录你的判断
一家公司发现，使用 AI 的员工每天完成 12 项任务，不使用的员工完成 8 项。负责人说：“AI 让效率提高了 50%。”这句话有多少证据？
理解判断过程
12 比 8 多 50%，这是两组的观察差异。它没有告诉我们：同样一批员工，在同一时间和任务条件下，如果不用 AI，会完成多少。任务难度和质量是否相同也需要先核查。
至少有三种解释：AI 有帮助；本来熟练的员工更愿意使用 AI；某些岗位任务更容易计数，也更容易采用 AI。这些解释可以同时成立。列出替代解释是为了确定缺什么证据，不是证明 AI 无效。
把问题改写为：对符合条件的员工，在规定任务和质量标准下，提供指定 AI 工具两周，相比不提供工具，平均合格完成量会改变多少？明确人群、干预、对照、指标和时间，才知道数据是否回答了问题。
可执行的检查步骤
- 分开记录“看到的差异”和“声称的原因”。
- 写出人群、干预、对照、结果和观察期。
- 列出至少两个与数据相容的解释。
- 指出下一步需要什么比较，而非直接接受或否定。
引导练习
用一句话改写负责人结论；再提出一个能减少“原有熟练度”影响的比较方案。
查看参考解析
可以说：本次观察中，AI 使用者的平均任务数高 50%，但尚未排除岗位、熟练度和质量差异。可在相近岗位与基线能力内随机分配工具使用权限，用共同质量标准比较；还需核查实际使用和组间分享。
换个场景独立应用
某学习平台说，每周记笔记的人考试平均多 10 分，所以记笔记一定让每个人多 10 分。你能保留什么结论？
完成后对照参考
保留本样本中两组平均分不同。基础、投入时间和课程选择可能影响两者；均值差也不是每个人的效果。可比较基线相近、学习时间相近的组，并设计更可靠的分配方法。
保留修正记录
没有证明因果不等于证明没有效果；也不能把总体平均差异承诺给个人。
自查：是否写了可检查的依据、可行的下一步和修改条件？点击解析不代表掌握。
来源与适用边界
Hernán & Robins — Causal Inference: What If (chapters 1–3, 7–8)
研究提供概念或方法背景；上述案例、操作步骤和练习由本站编写，不是原研究实验，也未验证本课程的教学效果。
完成标记是个人记录，不代表掌握或认证。