> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 虚假原因

> 虚假原因谬误发生在有人假设因为一个事件紧随另一个事件发生，所以第一个事件导致了第二个事件。了解如何识别和避免这种推理错误。

<Info>
  **类别**: 谬误<br />
  **类型**: 逻辑谬误<br />
  **来源**: 古典逻辑，在古希腊哲学中形式化<br />
  **别名**: 后此谬误、错误因果、可疑原因
</Info>

<Note>
  **快速回答** — 虚假原因谬误（post hoc ergo propter hoc）发生在有人假设事件B紧随事件A发生之后，所以事件A必定导致事件B时。这是最常见的推理错误之一：仅仅有时间顺序不足以建立因果关系。许多事物相继发生可能是巧合、由第三个因素引起，或顺序与假设相反。
</Note>

## 什么是虚假原因谬误？

"post hoc ergo propter hoc"是拉丁语，意为"在此之后，因此由此而来"。这种谬误是许多迷信思维和日常生活中缺陷决策的基础。当我们观察到某事发生在另一件事之后，我们自然地相信第一件事导致了第二件事——但仅仅根据证据，这一跳跃很少是正当的。

> "两个事件按顺序发生的事实并不能证明因果关系。相关性不是因果性，顺序也不是证明。"

关键洞察是，时间顺序是因果关系的必要条件，但不是充分条件。对于A导致B，我们需要机制证据——不仅仅是A在B之前。没有证明A如何通过某种因果过程产生B，我们只是在猜测。

### 虚假原因的三层理解

* **入门级**: 你穿着幸运袜子，你的球队赢了。所以袜子导致了胜利。这是虚假原因——即使胜利发生在穿袜子之后，没有任何机制可以证明布料能够影响运动表现。

* **实践级**: 公司Launch了新营销活动，销售额在次月增加。营销活动导致增加了吗？可能，但也可能是季节性需求、经济因素或竞争对手产品失败。建立因果关系需要控制替代变量。

* **进阶级**: 在科学研究中，建立因果关系需要的不仅仅是时间优先。随机对照试验——在其中只有疑似原因在组间不同——提供了最强有力的证据。显示A先于B的观察性研究只能暗示因果关系，不能证明它。

## 起源

虚假原因谬误自古以来就被认识到。亚里士多德在公元前350年左右的《辨谬篇》中将其确定为一种特定的错误推理形式。拉丁语"post hoc ergo propter hoc"在中世纪哲学家 中流行，至今仍是逻辑教育的支柱。

这种谬误在科学方法的发展中尤为重要。早期科学充满了虚假因果主张——天文学家将地震归因于天体事件，医生将疾病归因于"体液不平衡"。科学革命强调受控实验，在很大程度上是对虚假原因推理普遍回应。

## 存在的核心要点

<Steps>
  <Step title="顺序不是因果">
    仅仅因为事件A发生在事件B之前并不意味着A导致了B。许多事件相继发生可能是巧合或两者都由第三个因素引起。
  </Step>

  <Step title="机制很重要">
    真正的因果关系需要一个可信的机制——A产生B的某种过程。没有解释因果联系如何运作，主张就是没有根据的。
  </Step>

  <Step title="控制替代变量">
    为了建立因果关系，我们必须排除替代解释：巧合、反向因果，以及导致A和B的混淆变量。
  </Step>

  <Step title="相关性可能是巧合">
    随着足够的数据，虚假模式不可避免地出现。我们跟踪的变量越多，发现的"相关性"就越可能是纯粹的巧合。
  </Step>
</Steps>

## 应用场景

<CardGroup cols={2}>
  <Card title="科学研究">
    研究人员使用受控实验专门为避免虚假原因错误。通过随机将受试者分配到治疗组和对照组，他们可以分离出观察效果的真正原因。
  </Card>

  <Card title="商业分析">
    公司在评估策略时必须区分相关性和因果性。是价格变化导致销售下降，还是两者都回应了市场条件？
  </Card>

  <Card title="医学诊断">
    医生必须抵制假设因为症状A先于疾病B，所以A导致了B。许多疾病有很长的潜伏期，早期迹象是巧合，不是因果。
  </Card>

  <Card title="个人决策">
    我们都在日常生活中成为虚假原因的受害者。服用那个补充剂真的改善了你的健康，还是你本来就会改善？没有追踪数据，我们无法知道。
  </Card>
</CardGroup>

## 经典案例

俄罗斯"胜利腺"（Victory Aden）的兴衰提供了一个医学中虚假原因推理的显著例子。20世纪50年代，苏联科学家尼古拉·洛金诺夫声称向癌症患者注射腺嘌呤（一种核酸成分）产生了显著康复。时间顺序似乎很清楚：患者接受注射，然后显示改善。

然而，随后的研究揭示这是典型的虚假原因。许多"治愈"的患者最初被误诊，其他患者因同时接受的常规治疗而改善，一些患者只显示短暂改善后死亡。机制——腺嘌呤以某种方式"杀死癌细胞"——从未得到科学验证。苏联医学界最终拒绝了这种方法，但在此之前已有数百名患者因错误的因果推理而接受了无效且有时有害的治疗。

## 边界与失效场景

**何时后此推理是有效的**: 在某些情况下，时间顺序提供初步证据值得研究。如果A有已知机制可能导致B，且A先于B，这证明了进一步研究的合理性——只是仅凭它不能证明因果关系。

**何时后此最危险**: 虚假原因错误在变量众多的复杂系统中最为危险——医学、经济学、气候科学——许多因素相互作用，巧合很可能发生。在这里，时间顺序几乎不足以得出因果结论。

**常见误用模式**: 媒体经常报道"研究发现X导致Y"，这纯粹基于显示X先于Y的观察数据。没有随机对照试验或明确的机制，这些主张往往为时过早。

## 常见误区

<AccordionGroup>
  <Accordion title="误区：发生在后就是由它引起">
    **现实**: 时间顺序是最弱 的证据形式之一。每天有数十亿事件发生，许多将纯粹偶然地相继发生。
  </Accordion>

  <Accordion title="误区：多次发生证明因果关系">
    **现实**: 即使事件A被事件B跟随一千次，这也可能反映一个恒定的第三个因素，而不是因果关系。需要统计分析来区分真正的因果关系和虚假模式。
  </Accordion>

  <Accordion title="误区：科学已在许多案例中证明因果关系">
    **现实**: 科学在机制被理解且实验控制替代变量的地方建立了因果关系。新闻文章中显示的许多所谓已确定的因果关系实际上是等待进一步验证的相关性证据。
  </Accordion>
</AccordionGroup>

## 相关概念

<CardGroup cols={3}>
  <Card title="相关性-因果性">
    假设相关性证明因果关系的密切相关谬误。两种错误都混淆了统计关联与因果关系。
  </Card>

  <Card title="后此谬误">
    拉丁语"在此之后"——仅基于时间序列的虚假原因推理的哲学名称。
  </Card>

  <Card title="草率归纳">
    从有限例子中得出广泛结论——当特定实例被作为因果证据时，通常涉及虚假原因。
  </Card>
</CardGroup>

## 一句话总结

<Tip>仅仅因为事件B紧随事件A之后并不意味着A导致了B——始终要问：机制是什么，已经排除了哪些替代解释？</Tip>