相關性、因果關系以及女生為何不會降低平均智商

在報告數據時，相關性和因果關系之間的區別經常出現。在閱讀任何類型的研究時，這都是一個重要的統計概念。

我們找到了一個圖表完美地說明了這個重要的區別。這張圖表來自蘭迪·奧爾森，他是密歇根州立大學計算機科學項目的博士候選人，同時也是一個書呆子明星，他是這個數據的版主。

這些點都代表了高等級的領域。平均智商(由攻讀該學位的人的GRE總成績得出的)是站在一邊的，而主修專業的女性比例則在最底層。所以，在右邊，超過80%的女性從事社會工作。在智商最高的領域，物理學和天文學的平均智商最高。

這條明顯的下降線表明，在學位項目中，較高的平均智商與較少的女性相關。然而，擁有更多的女性并不會導致智商下降，而擁有更多的男性也不會導致智商上升，盡管沒有受過統計學訓練的人可能會這么說。男人和女人的智商其實差不多。

圖表中顯示的趨勢可以用其他變量來解釋，主要是GRE數量部分分數的差異，以及女性在科學、技術、工程和數學(或STEM)領域總體較低的患病率。請在Olson的文章中閱讀更多信息。

當兩個變量同時出現時，比如智商/ GRE總成績較低和某個學位項目的女性比例，它們是相關的。這并不意味著一個導致另一個。相關性不等于因果關系。讓我們再說一遍。

為了證明因果關系，你需要做一個實驗，使用隨機總體抽樣，其中所有其他可能影響結果的因素都是隨機的。

另一個來自統計評估服務的例子:吸煙導致肺癌。吸煙與酒精中毒有關，但吸煙不會導致酒精中毒。

這篇指南中的一個較簡單的例子是:當我早上9點起床時。太陽總是升起來的。我早上9點起床與太陽升起有關——事件一起發生。太陽沒有升起，因為我早上9點就醒了。如果這是真的，那就太棒了。

人類喜歡因果關系。我們喜歡解釋和了解事情發生的原因，所以我們很容易就會做出改變，但是證明因果關系實際上是非常困難的。