在科學和統(tǒng)計學中，確定因果關系是一個核心任務。我們經(jīng)常聽到這樣一句話：“相關不代表因果”。相關易得，因果難覓：如何判斷一個事物是否真正導致了另一個事物的發(fā)生？這就是因果推斷的任務。本文介紹因果推斷的黃金標準：隨機對照試驗。

因果推斷的基本概念

先來看什么是因果推斷。因果推斷試圖區(qū)分“相關”和“因果”。如果兩個變量之間存在相關性，這可能意味著它們之間存在某種關系，但這種關系不一定是因果關系。比如，冰淇淋銷量的增加和海灘救生員救援次數(shù)的增加可能同時發(fā)生，但它們并非因果關聯(lián)，而是由一個共同因素（夏季氣溫升高）導致的。

在這里排除混雜在其中的影響因素至關重要，如何排除呢？看隨機對照試驗。

隨機對照試驗

隨機對照試驗（Randomized Controlled Trials，RCTs）被認為是確定因果關系的“黃金標準”。在隨機對照試驗中，參與者被隨機分配到兩個或多個組別，其中至少有一個是對照組（不接受干預或接受標準干預），而其他組則接受一種或多種試驗干預。

通過比較不同組別的結果，研究者可以判斷干預措施是否是觀察到的效果的原因。

為何隨機對照試驗是黃金標準？

隨機化

第一點：“隨機化”是基礎。隨機化可以平衡各種已知和未知的混雜變量，從而減少偏差。如果比較的兩組在開始實驗時已通過隨機分配成為實驗組和對照組，那么除了接受干預的特定因素外，這兩組在其他所有方面都應該是相似的。這種隨機分配確保了任何后續(xù)觀察到的差異可以更有力地歸因于干預本身，而非其他變量。

而且，隨機化的優(yōu)勢在于它提供了一種機制，通過這種機制，即使是研究者可能未曾考慮或觀察到的變量，也能在分組過程中得到平衡。造成一個結果的原因有很多，我們常常擔心因為遺漏了某些變量而推斷出錯。我們常常擔心因為遺漏了某些變量而推斷出錯。正因為是隨機化，我們可以認為不同分組的參與者在開始實驗之前在所有已知和未知因素上都是相似的。

來看個可能出問題的例子：雖然分組了，但因為沒有隨機分組，結果可能不可信。一項研究，旨在評估某種藥物對心臟病發(fā)作恢復患者的影響。在這項觀察性研究中，研究者收集了服用該藥物的患者和未服用該藥物的患者的數(shù)據(jù)，但沒有隨機分配患者到這兩個組別。

由于缺乏隨機化，這項研究可能受到選擇偏差的影響。例如，可能更健康的患者傾向于選擇服用該藥物，而那些健康狀況較差的患者則沒有。這種情況下，如果研究發(fā)現(xiàn)服用藥物的患者恢復得更好，這可能不是藥物效果的直接結果，而是因為服藥組的患者本來就更健康。

控制

第二點：“控制”增強了結果的解釋力。在隨機對照試驗中，對照組不接受實驗干預，或者接受一種標準的或無效的干預，作為參照。這種明確的比較使得研究者能夠直接觀察到干預造成的效果。對照組的存在為研究提供了一個基準，可以更精確地衡量干預的效果。例如，如果實驗組顯示出顯著的改善，而對照組沒有，那么這種改善很可能是由于實驗干預造成的。

沒有控制和對比，就難以看出差距和影響。套用一句話：“不是單組研究沒有效力，是對照試驗更有說服力！”

重復性

第三點：“重復性”確保了結果的可靠性。隨機對照試驗的設計和實施方式使得其他研究者可以重復實驗以驗證其發(fā)現(xiàn)。在科學研究中，可重復性是非常重要的，因為它提供了一種方式來檢驗研究發(fā)現(xiàn)的真實性和可靠性。

如果不同的研究者在不同的時間和地點重復實驗，并得到類似的結果，那么這些結果就更具說服力。

局限性

雖然隨機對照試驗是黃金標準，但在實施上可能存在局限性，比如成本高（要有足夠的樣本數(shù)量和實施條件）、倫理限制（不能為了證明一個因素確實有害，明知這里有風險，讓受試者去冒這個風險吧）等。

因此，研究者經(jīng)常尋求替代方法來進行因果推斷。這些方法包括觀察性研究，例如隊列研究和病例對照研究，其中研究者觀察而不干預自然發(fā)生的事件。類似的進行不干預而嘗試獲得因果推斷的方法常常成為“自然實驗”。