昨天看完《原因与结果的经济学》，放上读书笔记。
这是一本极简统计学，适用所有人。
本书介绍了多种利用自然实验或准实验获取数据、观测数据并从中判断因果关系的方法。
在“大数据”成为流行词的当下，数据分析随处可见。然而，数据本身只不过是罗列在一起的数字。“如何解读”数据分析才是关键。误将只呈现出相关关系的数据分析当作因果关系，会导致人们进一步做出错误的判断。
从这个意义上讲，“因果推理”如今已经不再只是作者等研究人员的“专利”，而是所有人为了弄清楚“是否存在因果关系”所必备的素养。
看点统计学的好处在于，一些在主观上被认为是常识的东西，会被客观实验和数据验证毫不客气地啪啪打脸。下一回在发言前会多想一道：我这么下结论是不是太武断？我的观点有证据支撑吗？然后就说都不会话了…
摘抄：
在日常生活中，只要理解了因果关系和相关关系的差异，训练自己思考是否存在因果关系，便可以摆脱偏见或无稽之谈的束缚，做出正确的判断。
判断因果关系的三个要点判断两个变量属于因果关系还是相关关系时，可以通过以下三个问题进行质疑。 ① 是否“纯属巧合”？ ② 是否存在“第三变量”？ ③ 是否存在“逆向因果关系”？
与几乎从不摄入黄酮醇的老年人相比，摄入黄酮醇较多的老年人在大脑功能和记忆力方面更好。虽然多吃巧克力就更有可能获得诺贝尔奖的说法言过其实，但摄入巧克力至少具有增强记忆力的功效。
个人“选择（ selection ）”会导致两个研究对象组不具备可比较的属性。这种现象在经济学中被称为“选择性偏差（ selection bias ）”。
元分析是指整合多项研究结果，从整体的角度验证关系的方法（参考正文第 40 页）。尤其是整合多个随机对照试验的元分析在证据等级中所处等级最高。元分析的结果已经证实，体检和长寿之间的确不存在因果关系。 ② 在实施随机对照试验的丹麦研究者们看来，组织大规模随机对照试验虽然成本很高，但与为全体国民提供没有效果的体检服务相比，则要划算得多。也就是说，不能贸然实施不知是否有效的政策，即使需要付出一些成本，也应该先验证因果效应是否存在，然后再决定是否要全面实施。
不验证因果关系，便推行看似有效的政策，无异于将巨大的风险转嫁到国民身上，这一点我们可不要忘了。
正如克鲁格等人所说，“并非对所有学生来说，就读于偏差值高的大学都意味着未来收入最大化”，“世界上没有任何一所大学能够保证毕业生将来会获得更高的收入”。不仅如此，克鲁格等人在论文中还援引了明尼苏达州诺斯菲尔德的名门私立大学嘉尔顿大学校长斯蒂芬 ·R. 刘易斯（ Stephen R. Lewis ）的话。被问及如何看待大学排名时，刘易斯答道：“问题不在于哪所大学是最棒的，而在于对谁来说是最棒的。”这句话可谓概括了这一系列研究的结论。
