研究方法

相关性不等于因果的一个自拟案例

用自拟的用电量与货运指数算例,演示伪相关的识别路径:先排查共同驱动变量,再用变化量和滞后结构检验方向,最后核对统计口径与机制,并给出可操作的检查清单和反证条件。

2026-11-10 09:10 0 评论 收藏 分享
“

两个序列同向变动,可能源于共同驱动、口径巧合或时间趋势,也可能与因果相容。判断时先找第三变量,再看领先滞后是否稳定,最后核对机制与口径;结论必须写明假设和无法排除的替代解释。

”
相关性不等于因果的一个自拟案例
市场研究与知识 核对来源,理解市场机制
研究方法 风控
股指直播室 内容整理

两组序列同向变动,只说明它们在所考察的区间里“一起走过”,不说明其中一条改变了另一条。要下因果结论,至少要先过三关:是否存在共同驱动变量;时间先后是否支持“先因后果”;把第三变量控制住之后,两者的关系是否还站得住。下面用一个完全自拟的假设算例把这三关走一遍。

假设算例:两组同向变动的序列

以下数值为假设算例,纯属虚构,仅用于演示方法,不代表任何真实地区、行业或时期的统计数据。假设某地区连续12个月记录了两个指标:月度工业用电量指数(记为E)和月度货运周转量指数(记为F)。为便于演示,把两组数据都设为以100为起点的指数。

月份 E(用电量指数,假设值) F(货运指数,假设值)
1 100.0 100.0
2 101.2 100.8
3 102.6 101.9
4 103.1 102.7
5 104.8 103.5
6 105.3 104.6
7 106.9 105.1
8 107.4 106.3
9 108.8 107.0
10 109.5 108.2
11 110.7 108.9
12 111.6 110.0

这12对假设数据逐月上升,画成折线图会呈现高度同步。若只凭图形,很容易写成“用电量增长带动了货运需求”或反过来“货运扩张拉动了用电”。但这两句话都需要额外证据,图形本身一句也证明不了。

第一关:共同驱动变量

最直接的解释是:E和F都受第三个变量影响。假设该地区这12个月里企业开工天数总体增加,或整体产出规模扩张,那么用电和货运会同时上升,彼此之间却可能没有直接作用。此时E与F的相关,是“共同原因”投下的影子。

检验思路是把这个第三变量找出来并纳入比较。操作上可以分三步:第一,明确候选共同驱动变量,例如产出规模、开工天数、季节因素;第二,看E和F是否都与该变量同向变动;第三,在剔除该变量影响后,再看E与F的剩余部分是否还同步。如果剩余部分基本不再同步,那么原先的“因果”说法就缺乏支撑。这一步不需要复杂工具,先做分组比较也能看出端倪:在开工天数相近的月份里,E和F是否仍然一升俱升。

第二关:滞后与方向

因果要求时间上有先后。若E确实推动F,那么E的变化应系统性地早于F的变化;若两者只是被同一因素同时推动,领先滞后关系就不稳定,甚至可能时而E领先、时而F领先。

简单做法是把F与E的若干期滞后值分别对照:F本月值与E本月值、E上月值、E上上月值分别比较,看哪一种对应关系更稳定。需要注意,序列本身有趋势时,任何两个上升序列都容易显得“滞后也相关”,所以应先处理趋势,例如改看月度变化量而非水平值。做完这一步,如果领先关系消失或方向反复,就不能把同向变动解读为传导。

这里可以借用官方统计口径的一个提醒:EIA对产品供应量的说明指出,product supplied是离开一级供应链的产品数量,被用作消费的代理指标,并不等同于即时终端实测量,且周度、月度与四周均值口径不同、不能直接混比。这个逻辑同样适用于自拟算例:指标是代理量,口径不一致时,连“同步”本身都可能是构造出来的。

第三关:机制与替代解释

即便控制第三变量后仍有关联,也还要问机制是否说得通。货币政策方面,美联储对政策工具的说明强调,政策工具不同于资产价格,政策目标利率、市场名义收益率、通胀预期与实际利率需要区分,黄金、股票和汇率之间的传导取决于其他条件,跨市场同涨同跌不能单独证明资金迁移。这个区分对本文案例的启示是:两个序列同向,可能只是对同一个政策环境或同一种预期变化作出反应,而不是彼此作用。

因此写作时应把假设写明,并列出不可排除的替代解释。例如可以这样表述:“在控制产出规模并考察滞后结构后,E与F仍存在同向关联;但不能排除二者共同受需求预期影响,也不能排除口径差异造成的同步。”而不是直接写成“E增长导致F增长”。

可操作的检查清单

  1. 先画图并计算相关性,但只把它当作线索,不当作结论。
  2. 列出至少两个候选共同驱动变量,逐一检查是否与两个序列都同向。
  3. 把水平值换成变化量,重新看相关是否仍然成立。
  4. 做滞后对照,确认领先方向是否稳定;方向反复即视为不支持因果。
  5. 核对两个序列的统计口径、频率与修订方式,口径不同先调整再比较。
  6. 在结论中写明假设、样本区间和无法排除的替代解释。

限制与反证条件

这套检查不能证明因果,只能排除一部分明显不成立的说法。反证条件应当提前写明:如果控制共同驱动变量后关联基本消失,或领先方向不稳定,或换一种口径后同步不再出现,那么原先的因果表述就应撤回。反过来,即便上述检查都通过,也只说明“与因果相容”,不等于已经识别出因果。样本只有12个月、且数值为自拟时,结论的适用范围极其有限,不能外推到其他地区或其他时期。

文中数据为假设算例,不构成对任何实际序列的描述。所引来源仅用于说明统计口径与传导机制的概念区分,不提供行情或因果证据。相关市场专题可参考股指市场专题、外汇市场专题与股票研究专题。

参考资料与核验范围

资料核验日期:2026年11月3日。本文为知识与方法说明,不提供发布当日的即时报价;规则、费用和交易安排请以相关机构最新公告为准。内容经工具辅助整理与一致性检查,仍可能存在遗漏;引用来源不代表其认可本文分析。假设算例不是真实交易记录。

FAQ

常见问题

两个序列相关性很高,能不能直接说一个是另一个的原因?

不能。高相关只说明在所考察区间内同向变动,可能由共同驱动变量、共同趋势或口径差异造成。需要先控制第三变量、检查领先滞后关系,并说明机制是否成立。

控制第三变量后关联减弱,说明原来的相关是假的吗?

更准确的说法是:原先观察到的同向变动很大一部分可由该第三变量解释,两个序列之间直接关联的证据变弱。是否完全无关,还取决于变量选择、样本区间和测量误差。

风险提示:期货及相关衍生品具有高波动与杠杆风险。本站内容仅用于市场研究和学习交流,不构成投资建议、收益承诺、代客理财或开户推荐。

来源:公开资料整理;来源见正文

资料来源与更正说明 · 网站导航