在昨天的文章中谈到模型，很多读者都留言，询问什么是模型。都有哪些模型。
很多内容都写过文章，举个例子：
金字塔原理是个逻辑思维模型，写作、演讲、说话 都可以使用这个模式。
每一个模型，都有各自的应用范围和局限，了解优缺点，当你使用时，才能跳出自己的思维局限，更全面的分析问题，最终做出结论。
2019年第59本书
最近在读的《原因与结果的经济学》这本书就深入讲解了一个经济学上的模型。
“因果推理” 模型，让你分清 “因果关系”和“相关关系”。
日本人的传统观念认为 体力好的孩子往往学习能力也更强。
但在经济学家，这两者只是相关因素，并不是因果。
要是因果关系的话，想提高成线的话，只要增强体力，哪怕不学习也同样有效果，但实际上这是不可能的。
即使增强孩子的体力，孩子的学习能力也不一定会提升。
作者在书一开始提出了三个问题：
-
定期接受代谢综合征体检就能长寿吗？
-
看电视会导致孩子学习能力下降吗？
-
上入学分数高的大学收入就会更高吗？
你认为对还是错？
要是你认为是对的话，那你的答案是错的。
经济学的权威研究已经推翻了上述说法。
要让这三个说法成立，“代谢综合征体检”和“长寿”、“看电视”和“孩子的学习能力”、“大学的偏差值”和“收入”之间必须存在因果关系，而非相关关系。
而实际上，哪怕你每年提前体验，身体健康，也不一定长寿，他们之间完全不存在因素关系。
丹麦做过一组随机对照试验，用来评论体检是否有效，最终的结论是体检和长寿之间的确不存在因果关系。
而第二个问题要分清是“因为看电视，所以学习能力下降”（因果关系），还是只是“学习能力差的孩子看电视时间更长”（相关关系）
看电视的时间和学习能力之间确实存在因果关系，但研究发现，看电视时间越长，学习能力不但不下降，反而提升。
特别是在英语不是母语，或者母亲学历较低，或者非白人人种的孩子当中，看电视还对成绩提高产生了显著效果。
但要是有很多活动选项的富翁家庭中，电视的正面因果效应会很小，有时甚至会转化为负面效应。
而第三个问题中大学偏差值和年收入之间是因果关系还是相关关系。
按传统观念来说，入学分数高的大学毕业后应该会赚的更多。
但经济学的研究证实。
入学分数高的大学和未来的年收入之间不存在因果关系。
正确区分因果关系和相关关系的方法论称为“因果推理”。
如果两个事件中，前一个事件是后一个事件的原因，后一个事件是前一个事件的结果，则两个事件之间存在“因果关系”；
如果一个事件变化后，另一个事件也随之发生变化，但二者不属于原因和结果的关系，则称它们之间存在“相关关系”
判断两个变量属于因果关系还是相关关系时，可以通过以下三个问题进行质疑。
> ①是否“纯属巧合”？
>
②是否存在“第三变量”？
>
③是否存在“逆向因果关系”？
1 是否“纯属巧合”？
比如有一次研究发现 温室效应的加剧导致海盗数量下降，实际上两个事件看似有关，但只是“纯属巧合”。
在很多情况下，两个不相关的数据或变量做成图表对比一下，就会有明显的相关关系。
但就香港股市有 丁蟹效应 ，美国股市 有 “吉卜力的诅咒”。
即只要日本的电视台播出宫崎骏导演领导的吉卜力工作室的电影，美国股市就会下跌。
2、是否存在“第三变量”？
在某些情况，还存在同时影响原因和结果的“第三变量”。
3、是否存在“逆向因果关系”？
比如：
警察多的地区，犯罪案件数量也多。
但犯罪多发的危险地区，所以部署了大量警力。
本以为是结果的事件其实却是原因，这种叫就 逆向因果关系。
而因素关系在平时比较常见的是，广告刊登后，客流量激增，销售额和去年同期相比增长了30%。
要如何判断广告和销售额之间是否存在因果关系呢？
非常简单，“如果没有投放广告”状态下的销售额，明确广告与销售额之间是否存在因果关系。
学术上成立的方法，但并非完美无缺。
了解每种方法的局限性，对所得结果的有效性进行充分的探讨，才能得出“两个变量之间是否存在因果关系”这一问题的准确答案。
随机对照试验做为观测数据判断因果关系的方法有很大的优势，但也有局限性。
首先，实施随机对照试验的成本很高。
其次，存在“外部效度”的问题。
很多随机对照试验在挑选研究对象时都设有严格的筛选条件，因此无法确定该研究结果是否也适用于其他群体。
第三，很多试验出于伦理方面的考虑无法实施。
比如，研究者不能因为想研究吸烟与肺癌的因果关系，就强迫受试者吸烟。
第四，随机对照试验有时无法按计划“随机分组”，导致“随机化失败”。
除了分组时会发生这种情况之外，在试验进行过程中，试验对象从对照组转移到干预组也会破坏随机性。
第五，与随机对照试验中得到的效果相比，实际在整个社会实践后产生的实效可能会变小。
随机对照试验并非绝对正确，它也有自身的局限性。
这本书将因果推理总结为五个步骤：
1.“原因”是什么
2.“结果”是什么
3.确认三个要点
4.制造反事实
5.调整到可比较的状态
指原因与结果中的“原因”，相当于广告与销售额事例中的“广告”。
不过，广告也包括很多内容，比如是指具体的广告费用、投放面积，还是只是指有无投放广告？
必须对原因做出明确的定义。
指原因与结果中的“结果”，相当于广告与销售额事例中的“销售额”。
想统计的是销售收入还是税前利润？
结果也需要一个明确的定义。
判断因果关系时需要质疑三个要点：
（1）是不是纯属巧合；
（2）是否存在混杂因素；
（3）是否存在逆向因果关系。
在广告与销售额的事例中，需要仔细分析是否存在能够同时影响广告和销售额的混杂因素。
比如，很可能存在“经济形势较好”等混杂因素。
经济形势好的话，投放广告的决策更容易通过，销售额也更容易上涨。
如果存在“经济形势较好”的混杂因素，广告与销售额的关系则可能只是伪相关。
为了判断广告与销售额之间是否存在因果关系，你的公司需要对投放广告后的销售额和假设未曾投放广告时的销售额进行比较。
这里的“假设未曾投放广告”就是“反事实”。
例如，如果经济形势好，便可以想象“即使当初没有投放广告，销售额也会增加”，所以广告对销售额的实际效果或许会比我们预想的要小一些。
可是，我们无法得知“假设未曾投放广告”这种反事实中的销售额，而要评估广告与销售额的因果关系，反事实又是必不可少的要素，因此需要用“最贴切的值”来替换反事实的结果。
也就是需要探索其他的可能性，比如能否使用在同一时期未投放广告的竞争对手的销售额数据等。
用最贴切的值替换反事实的结果的一种有效方法是，通过调整形成“可比较”的组。
例如假设在同一时期未投放广告的竞争对手和你的公司是“可比较”的，那么就可以用竞争对手的销售额作为最贴切的值，来替换“假设你的公司未曾投放广告（反事实）时的销售额”。
@Sophie L
我很赞同作者的人生经验。100天挑战开始对我来说简直不可能，屡试屡败！后来挑了一个TASK 100天不穿重样的衣服。没想到这改变了我的作息，改变了我拖延的习惯，简直就是惊喜不断。每天晚上都会很积极地计划明天怎么搭配，别看这些小事，因为是自己喜欢的事，便热情洋溢的不觉得100天是个苦差事。更让人惊喜的是,我发现了自己。
明确的说，我发现了自己爱什么颜色，什么服饰让我自信从容。
延伸出重新看待自己的内心的渴望-我是谁？
被我忽视了很久的内心，仿佛一直都只在乎别人怎么评价自己，忘了该怎么从内部发光。
临近100天的尾声，我觉得自己离那顿悟的光，就隔了一层纸。
6月6号我的第一个100天结束了，我还没有停止发现自己。
我能强烈地感觉到自己的不同，仿佛破茧而出的那种兴奋和热切。
真心期待着自我的绽放！
@羊洁
DAY91 6:50起床+肌肉休息日
