”相关不等于因果“
—— 统计学名言
做数据分析也好，做论文也罢，数据之间最常见的关系只有两种：相关和不相关。后者分析价值不大，前者是开启真理大门的钥匙。发现两个变量相关，我们然后怎么办？这是一个问题。
分析数据的第一步是检验两个变量间的关系。如果两个变量有相关性，则背后有三种可能：
（1）两个变量本身互相不会影响，是对称关系（symmetrical relationship）。
（2）两个变量互相影响，是互反关系（reciprocal relationship）。
（3）一个变量会影响另一个变量，是不对称关系（asymmetrical relationship）。
对称关系：假设两个变量都不互相影响，例如语文学的好的人，数学可能也学的好。事实上，虽然两个变量实质上无决定关系，但在社会研究中也很重要。它又分为四种情况：
（1）两个变量是某种概念的两个指标。例如，一个人焦虑时既会手心出汗，也会心跳加快。这种情况下，无需分辨哪个先哪个后。（可进一步进行因素分析）
（2）两个变量受某个第三变量同时影响，即伪相关。这种情况，则意味着关系没有意义。（回归中需要进一步控制变量）
（3）两个现象归属于一个更大的系统，或者是一个更大系统的不同功能体现。例如人的心和肺必定同时存在，少哪个都不会出现另一个。再如，一个人可能爱去乡下酒吧和听歌剧，这可能意味着，这两个动作是一个群体的生活特征（life style），或者你发现有汉堡的地方也会有热狗等等。（可以进行聚类分析）
（4）仅仅是一种偶然的关系。
互反关系：即两个变量互相影响，互相加强或削弱，存在互相反馈的机制。例如：投资和利润增长，投资带来利润，利润带来更多的投资，消费带来收入，收入带来更多的消费。
不对称关系: X对Y有影响而不是反之。这类关系对因果分析至关重要，是研究的核心。因果关系只是科学研究的一部分，但不是全部。科学研究的最终目的是发现“law”，即给出一个公式，而不仅仅是一组经验关系。 满足因果关系必须有两个基本前提：满足时间先后逻辑，常量不影响变量。
（1）时间有先后：若发现黑人比白人更显疏远，则可以假设种族的出现必然在先。但有时也会出现无法分辨先后或同时发生，例如教育水平和收看电视之间的关系、种族和出生家庭背景的关系。
（2）常量不影响变量：种族、性别等变量是终生不变的，即使发现了他们与某些现象关联，这些变量显然不是引起某个现象的直接原因。有些变量在人一生中是变化不大的，但仍有可能与因变量产生反向作用的。比如，社会阶层与组织成员身份（阶层决定后者，但后者有时也会促进前者）
非对称关系的类型有6种：
（1）“刺激-反应”型：此类是最直接的因果决定类型，例如下雨和小麦的价格，战争风险和士气等。这类关系可以是直接的，也可以有中介变量存在。但要说明这个关系，需要证明接受刺激的组和非刺激组是可比的。这类关系的难点在于，永远存在选择效应，即选择接受某种刺激的群体与其他人存在某些方面的异质性。
（2）“情境-反应”型：某种事物在某种情况下会有某种状态，比如糖会在水中溶解，水加热会蒸发等。社会科学中，形容某类人很开明，不是说他就具备开明的性质，而是在某种条件下，他们表现出开明。这种情境的产生，不是人能主动控制的。
（3）“性质-反应”型：此种类型是指，人或物本身具有的属性（相对稳定性），造成了某种后果。例如糖这种物质有性状、大小、颜色、重量等固有性质，但这些性质与糖会溶解是两类性质，因为后者只有在加水时候才会体现。对于人而言，肤色、种族、性别是常态化属性，而开明，仅仅是一种潜在的或趋向性的性质，仅在某种条件下展现出来。此类关系在社科研究中最多。
（4）“必要条件”型：某一现象的出现，是另一种现象出现的必要条件，但不充分。例如，我们可以发现，科技越发达的国家，越倾向拥有核武器。但这并不说明，科技发达导致国家会拥有核武器，科技发达仅是拥核的“必要条件”。同样，马克思认为劳动力的自由是发展资本主义的前提，但拥有众多自由劳动力并不必然会产生资本主义，例如古代中国。
（5）“性质-功能”型：某些关联可能预示着，某些变量是某种类型个体的固有性质。例如，发现单位的科层体系越庞大，单位越人浮于事。你不能断定科层体系庞大导致了人浮于事，很有可能是人浮于事本身就是科层体系的固有性质。即，因变量和自变量本就是一个事物的两种性质。
（6）“手段-目的”型：自变量是达到因变量的手段，例如发现行业越标准化，生产成本越低。事实上，标准化的目的就是为了降低生产成本。另外，如工作努力与成功的关系，自我形象提升与找对象成功率的关系等。
现实中，体现出变量相关性的情况非常多，而确定相关性的“实质内容”才是进行下一步分析的前提。对于“对称关系”型，进一步的研究将主要放在对某个概念的不同维度的讨论上。对于“互反关系”则更多要探讨社会过程的动态性质。对于“不对称关系”，则要进一步探讨是不对称关系下的哪种类型，并在此基础上进行更进一步的分析。
如对该问题想进一步与作者交流:
可加微信：NIUBICHENG1991
发送邮件:[email protected]