統計告訴我們「他們常常一起出現」，因果告訴我們「到底是誰造成了誰」。只要抓到因果，改變結果就不再靠運氣。
1. 老倫敦的水泵
想像你住在 1854 年的倫敦蘇活區。炎熱夏天裡，鄰居一戶接一戶倒下，得了嚴重腹瀉。醫生約翰・史諾拿出一張大地圖，把每個病人家畫上小黑點。幾天後，黑點在布羅德街的一口水井旁聚成一大片。他懷疑：「害人的不是空氣，而是這口井。」在他的堅持下，官員暫時拆掉水泵把手。結果像電影倒帶：病人數立刻下降，疫情迅速被「關機」。
2. 校園的漢堡實驗
把時空拉回今天。學校福利社推出「超級雙層漢堡」。一週後，你發現同學課堂上打瞌睡的比率變高。是漢堡的高油脂讓人變昏沉嗎？還是因為期末考快到了大家熬夜？要回答這種問題，就需要因果思考。本書提供的工具，能讓我們像史諾醫生一樣，找出真正的「元凶」。
二、什麼是因果？
簡單說，因果就是「事情 A 發生後，事情 B 才跟著發生，並且 B 的發生真的需要 A」。如果只是「一起出現」，那叫相關，不一定是因果。烏雲和下雨同時出現，可烏雲不是被雨呼喚出來，兩者只是有共同的推手——冷空氣遇上暖濕氣流。
三、作者和這本書是什麼？
| 作者 | 身分 | 有趣小檔案 |
|---|---|---|
| Judea Pearl | 美國電腦科學家、圖靈獎得主 | 喜歡在散步時想問題；兒子不幸在 1990 年代遭槍擊，他從悲痛中更堅定研究「如果情況不一樣，結局會不會改變？」 |
| Dana Mackenzie | 科普作家 | 博士畢業後改寫科學故事，信箱裡常收到「謝謝你讓我終於看懂數學」的讀者信 |
他們寫書的目標：讓「因果圖」像樂高積木一樣好組裝，讓中學生也能用來拆解生活難題。
四、八個超好懂的核心概念
1. 因果三階梯：先看，再做，最後想像
- 看（Observation）：用眼睛或數字觀察現象。例如：統計顯示，打電動 3 小時以上的學生平均成績較低。
- 做（Intervention）：動手改變一件事，看結果有沒有變。例如：請 20 位同學一週內限制自己每天只玩 30 分鐘，觀察他們的成績走勢。
- 想像（Counterfactual）：腦中演出「如果重來一次」的電影。例如：你考試考 80 分，想像如果前一晚沒熬夜打電動，分數可能變多少。
只有走到第三階，你才真正能預測「如果我改變 X，Y 會怎樣」——這才是超級能力。
2. 相關不等於因果
路邊溫度計升高時，冰淇淋銷量也增高，但沒有人認為「冰淇淋讓天氣變熱」。真正的共通原因是「夏天」。要分辨相關與因果，可以問自己三個問題：
- 順序：A 先發生還是 B 先發生？
- 可控：我能不能只改變 A 而不動其他？
- 可重複：每次改變 A，B 都跟著改變嗎？
3. 用箭頭圖思考（因果圖）
畫兩個圈圈：一個寫「熬夜」，一個寫「成績下降」，用箭頭指向結果。再加上「考前焦慮」這個圈圈指向兩者，圖就告訴你：焦慮可能同時影響熬夜與成績，是個混雜因子。看到圖，你就知道要不要把焦慮考慮進分析。
4. 小實驗勝過大猜測
想知道咖啡因會不會影響心跳？你可以：
- 先量休息時心跳。
- 喝下一杯咖啡。
- 十五分鐘後再量心跳。
其他條件都不改，這就是「控制變數」的方法。即使只有 5 個實驗對象，只要方法正確，也比網路上一堆未控制的留言可靠。
5. 「如果重來一次」練習
完成考試後，你可以寫短短一句：
如果我在考前三天就開始複習，而不是前一晚臨時抱佛腳，我的錯字可能會減少 3 個。
每天這樣寫，等於每天都在練反事實肌肉，久而久之，你的預判力會變好。
6. 工具變數：借別人之手來測試
有時候我們無法直接改變 A，但可以找到一個跟 A 有關、卻不直接改變結果 B 的「工具」。例如：要研究「打工時數」對「考試成績」的影響，直接讓同學停止打工不現實。但可以利用「是否住在補習班附近」當工具——住得遠的人交通時間長，打工時數自然少，卻不會直接影響考試難度。透過這個「間接操作」，你還是能估計影響力。
7. ：Simpson悖論
一所大學被控對女生不公平，整體錄取率男生 60％、女生 40％。細分系所卻發現，幾乎每個系女生錄取率都高於男生！原因是女生多申請熱門難進的系。這告訴我們：統計平均值有時會騙人，拆分資料、加上因果圖，才能澄清真相。
8. 用因果預測未來
假設食堂考慮把白飯換成糙米飯，希望大家更健康。光看過去買糙米飯的人是否更健康，不夠安全，因為健康的人本來就可能選糙米。正確做法是：先用因果圖找出「健康傾向」這條路線，再設計實驗或方法把它排除，才能預測政策的真效果。
五、為什麼中學生需要因果思考？
| 場景 | 沒用因果 | 用了因果 |
|---|---|---|
| 寫自然科報告 | 只列出「X 越大，Y 也越大」 | 加上「控制變數」，說明 X 真正造成 Y，讓老師眼睛一亮 |
| 科展 | 模糊地說「結果跟預期差不多」 | 明確指出「如果不加入鹽，晶體大小縮小 50%」，評審聽了可量化的效果，給高分 |
| 生活習慣 | 嘗試隨機建議，例如「多喝水可能瘦」 | 畫因果圖後發現「睡眠不足」才是關鍵，先找時間補眠更有效 |
| 社群留言 | 被聳動標題誘導 | 看到「喝可樂致癌？」先問「實驗有控制嗎？」不容易被假新聞騙 |
小提醒：模型再好也有錯，但不動腦直接相信相關性，錯得更大。
六、簡易行動清單（5 步）
- 圈出困擾：選一件想改善的事，如「早起難」。
- 列變數：寫下可能影響早起的事：睡眠時間、晚餐是否吃太飽、手機使用。
- 畫圖：用箭頭把「晚餐太飽 → 入睡晚 → 早起難」畫出來。
- 挑一個變數做實驗：下週把手機放遠一點，睡前不滑手機；記錄實驗前後起床時間差。
- 寫反事實日誌：如果改變沒成功，寫「要是我提前把鬧鐘放遠，是否會跳下床關鬧鐘？」下一輪再試。
七、在學校怎麼用因果思考？
- 數學課：拿統計圖練習，把條形圖改成因果圖，看看能不能推理出箭頭方向。
- 社會科：研究「人口老化是否導致經濟成長變慢」，找資料畫圖，嘗試分別控制其他變數，如科技發展。
- 體育課：測試「熱身長度」對「百米速度」的影響，設計對照組，寫成微型論文。
- 班會時間：討論「早自習音樂」是否能提升晨讀專注度，做一週實驗。
八、想知道更多？
- 《因果推理小入門》（Causal Inference in Statistics: A Primer）──作者自己也寫的迷你版本，數學較少。
- 《Why? 明天天氣怎麼辦》（台灣科普書）──用生活例子講因果。
- YouTube：Judea Pearl Lecture──英文演講，可開字幕練聽力。
- DoWhy（Python 套件）──跟著官方 Notebook 動手做因果實驗。
- 台灣高中科展得獎作品集──找找哪些作品用了控制實驗和因果推理。
參考連結
- Amazon 書頁：https://www.amazon.com/Book-Why-Science-Cause-Effect/dp/046509760X
- Pearl Lab（UCLA）：http://bayes.cs.ucla.edu/
- DoWhy GitHub：https://github.com/py-why/dowhy
