“相关性不等于因果性”是数据科学中的经典格言，但许多人误以为相关性毫无意义。事实上，相关性是一个精确的数学概念，用于衡量两个变量是否以一致的方式共同变动，而非单纯的主观感觉。 相关性的核心在于观察变量相对于其平均值的波动方向。以皮尔逊相关系数为例，该指标通过计算协方差并除以标准差，将结果标准化为 -1 到 1 之间。数值为 1 表示完全正相关，-1 表示完全负相关，0 则意味着无线性关系。这表明相关性仅描述变量间直线拟合的紧密程度，反映的是它们变动的协同性，而非原始数值的大小。 然而，相关性无法揭示因果关系。经典的例子是冰淇淋销量与溺水事故呈正相关，但这并非前者导致后者，而是高温天气这一隐藏变量同时推动了两者。此外，相关性主要捕捉线性关系，对于曲线关系（如二次函数）可能失效，即使变量间存在强关联，计算出的相关系数也可能接近零。 常见的误解包括：误将相关视为因果、忽视第三变量的干扰，以及忽略非线性模式。尽管存在这些局限，相关性仍是数据分析中极有价值的初步信号。它提示研究者“这里可能存在有趣的规律”，从而激发进一步的深入调查。简而言之，相关性并非误导性结论，而是提醒我们关注数据模式的起点。它告诉我们“这些变量在共同起舞”，但至于为何起舞以及舞步背后的逻辑，则需要结合领域知识和更严谨的验证来解答。