类别: 谬误
类型: 逻辑谬误
来源: 拉丁语短语，意为”在此之后，因此由于此”
别名: 后此谬误、虚假因果、伴随谬误
类型: 逻辑谬误
来源: 拉丁语短语，意为”在此之后，因此由于此”
别名: 后此谬误、虚假因果、伴随谬误
快速回答 — 后此谬误（正式名称为”post hoc ergo propter hoc”）发生在有人假设因为一个事件跟在另一个事件后面，所以第一个事件必定导致了第二个事件时。这是因果推理中的一个基本错误——相关不等于因果。仅仅因为两件事按顺序发生并不意味着第一个导致了第二个；两者可能完全由其他因素引起，或者这种关系可能是巧合。
什么是后此谬误？
后此谬误的名称来自拉丁语短语”post hoc ergo propter hoc”，翻译为”在此之后，因此由于此”。逻辑错误发生在我们假设事件B跟在事件A之后，所以事件A必定导致了事件B时。这是 最常见和最持久的推理错误之一，因为我们的大脑生来就会寻找模式——即使根本不存在模式。“人脑是一个寻找模式的器官，这种倾向在许多情况下对我们很有帮助。但是当我们把序列误认为因果时，我们就会在偶然的相关性上建立错误的理论。”后此思维的危险在于它感觉上直观正确。我们看到某事发生，然后另一事发生，我们的大脑自然地将它们联系起来。但这种直觉的跳跃跳过了关键的一步——实际展示因果机制——而许多明显的顺序实际上是纯粹的巧合。
后此谬误的三层理解
- 入门级: 当一家企业推出新产品，销售额在次月增长，假设产品导致了增长，这就是后此谬误。增长可能来自季节性因素、竞争对手的失败或整体经济改善，而不是产品本身。
- 实践级: 在数据分析中，始终区分相关性和因果性。药物试验显示治疗后改善并不能证明药物有效，因为没有对照组。改善可能是回归均值、安慰剂效应或自然康复。
- 进阶级: 认识到后此推理是许多社会神话的基础。“文明因伟大领袖而兴衰”忽略了复杂的系统性因素。历史充满了将复杂因果简化为单一原因故事的后此叙事。
起源
后此谬误自古代以来就已被认识。亚里士多德在他的逻辑和修辞著作中讨论了因果归因的错误。拉丁语术语在中世纪经院哲学中正式化，“post hoc ergo propter hoc”成为逻辑讨论中的标准短语。 这种谬误在科学方法的发展中变得尤为重要，科学方法引入对照实验正是为了避免后此推理。通过比较有干预时发生的情况与没有干预时发生的情况，科学家可以区分真正的因果关系和仅仅是序列。尽管如此，后此思维在日常推理、新闻业甚至一些缺乏实验方法的学术领域仍然普遍存在。核心要点
应用场景
商业决策
高管在将成功归因于特定举措时经常犯后此谬误。营销活动后的收入增长可能是由于季节性因素、竞争对手问题或经济状况——而不是活动本身。
医学推理
患者和一些医生错误地将康复归因于治疗，仅仅因为改善发生在治疗后。没有对照研究，这可能是自然康复、安慰剂效应或错误归因的时间。
历史分析
历史叙事经常犯后此谬误，论证”X导致Y”仅仅因为X先于Y。复杂的历史事件通常有多种原因，后此分析将它们过度简化。
个人生活
迷信思维经常依赖后此：“我穿了幸运袜，然后我们赢了比赛。“胜利与袜子无关，但我们的大脑寻找模式，记住命中而忘记失误。
经典案例
股市的涨跌提供了大量后此推理的例子。2008年金融危机后，出现了许多解释，声称要显示到底是什么”导致”了崩溃——复杂的金融产品、监管失败、贪婪的银行家。虽然这些因素当然相关，但后此推理将一个极其复杂的系统简化为单一原因或清晰的故事。 更有启发性的是这样一个常见模式：新CEO接任后股价上涨，从而得出新CEO”拯救”了公司的结论。然而，股价通常在新CEO甚至还没开始之前就开始回升，反映出预期或市场周期。新CEO也通常从前任的重组中继承了改善条件。后此叙事——新领导层导致了改善——忽略了这些时间复杂性和第三变量，如经济状况。 正确的方法需要对照比较：没有干预会有不同的结果吗？没有这种反事实分析，后此叙事仍然只是编造的故事。边界与失效场景
当序列暗示因果时: 在某些情况下，时间序列确实提供因果证据——当存在明确的机制且没有第三变量解释时。如果你打开开关，灯就亮了，序列强烈暗示因果，因为物理机制是已知的。 当后此最危险时: 后此在最复杂系统中最为危险——有多个潜在原因：经济学、历史、医学和社会现象。在这里，序列几乎不提供因果证据。 常见误用模式: 后此是大多数迷信思维和许多阴谋论的基础。两者都从时间序列构建因果叙事，而不展示实际机制。爱编造后此故事的大脑——即使它完全错误。常见误区
误区：如果它发生在之后，就是由...引起
误区：如果它发生在之后，就是由...引起
现实: 时间序列不提供因果关系的逻辑证明。许多事情发生在其他事情之后而没有任何因果联系。因果需要展示机制，而不仅仅是注意序列。
误区：如果原因看起来明显，就不需要对照实验
误区：如果原因看起来明显，就不需要对照实验
现实: 这正是最需要对照实验的时候。我们对因果的直觉在复杂系统中尤其不可靠，在那里多个因素相互作用。
误区：当相关性很强时，统计数据证明因果关系
误区：当相关性很强时，统计数据证明因果关系
现实: 没有任何数量的相关性数据可以证明因果关系。即使是非常强的相关性也可能是由于第三变量。只有实验操作才能建立因果关系。
相关概念
伴随谬误
一种变体，假设因为两件事一起发生（“伴随此，因此由于此”）而不是按顺序发生。相同的逻辑错误适用。
确认偏误
倾向于寻找和记住支持现有信念的信息，同时忽略相反的证据。这通过选择性注意”命中”来加强后此推理。
回归均值
一种统计现象，极端结果之后往往会出现更平均的结果。这经常被误认为是因果关系，而实际上它是自然变异。