Spurious Correlations
一句话定位
它把「相关不等于因果」这句话,做成了一本可以翻的图集。
里面每一组曲线都高度吻合,而两组数字之间其实毫无关系。
它要解决的是什么
两列数字一起动,太容易被当成一条因果,尤其在讲得头头是道的时候。
这种误判不必很复杂,只要样本够小、挑得够巧,就能造出漂亮的相关。
它用一堆夸张到荒唐的例子,让这条常识变得不容易忘。
它是怎么做的
它从公开数据里成对地翻找,挑出那些数值上高度同步的组合。
然后故意拿它们去「论证」一个明显荒谬的结论,一本正经地写下去。
越荒唐越好:正因为结论可笑,那条推理线错在哪里才一目了然。
它反复想说明的几件事
- 一起变不等于谁造成谁。两件事同步,可能只是第三个原因在背后推动。
- 数据挑得巧,结论随便造。反复试、挑着报,总能挑出一组好看的数字。
- 样本越小,碰巧越容易。少量数据里的高相关,多半是运气。
- 听起来像回事,不等于有依据。解释讲得越顺,越要回头看数据撑不撑得住。
一条「发现」是怎么被造出来的
它把常见的错法完整演示一遍:挑数据、算相关、选出好看的、再补一个说法。
挑两组数据
从公开数据里选两列彼此毫无关系的数字。
算一个相关系数
专挑数值上高度吻合的那一段。
配上解释
为这组巧合编一个听起来合理的故事。
写成结论
把事情说成「一个发现」,而它其实只是碰巧。
它把这条错法演示得越完整,「相关不等于因果」这句话就越不容易被忘掉。
它后来还延伸出一个小项目
它把同样的把戏批量做过一次:拿这些相关去生成一批看起来像模像样的论文。
意思很直白:这种「发现」不只可以造一条,还可以成批生产。
它把这个延伸项目也公开放在一起,作为同一个提醒的后半句。
它的边界在哪里
它把自己定位成玩笑在前、教育在其次:先让人笑,再让人记住。
它不评判任何具体研究是否造假,只是把错法的形状摆出来。
它也不否认相关有用:在排除掉其他解释之前,它只是线索,而不是结论。
一句话总结
它是一个把「相关不等于因果」做成图集的项目:从公开数据里成对挑出数值上高度同步、实际却毫无关系的组合,再故意拿去论证荒唐结论。它自己声明玩笑在前、教育在其次,并延伸出批量生造类似「发现」的后续项目。
想翻一翻这些曲线,可以从这里进。







