说的很好。Well said 我个人观点你说的第二点（时间顺序）其实是最根本的，但是也是最容易被忽略的，而且也经常是故意或者确实说不清的一点。比如这个话题，应该说清楚是，无癌症诊断的人现在吸烟可能会导致未来得肺癌。或者是现在已经有肺癌诊断或者明确的风险的人但还没有开始吸烟，将来会更更喜欢吸烟。这中间还得确定一个比较的人，因为这些论断都是说更加什么的，得有比较才能这么说
统计学和计量经济学有几个办法解决reverse causality 我来列两个 一个是 吸烟at time t-1 与癌症at time t 的关系来证明吸烟导致癌症。用时间前后关系证明。 二是用exogenous shock, 比如政府出台政策(比如提高烟草税)影响吸烟率，导致肺癌症率下降或上升。提高烟草税跟癌症没有直接联系，只有通过吸烟来影响。
请问大家用什么方法进行疾病风险推导？
具体，就是，怎么知道A导致了B，A是吸烟 B是肺癌
为什么不是肺癌导致了吸烟？ 而是吸烟导致了肺癌呢？
统计学上是如何推导出因果关系的？
假定给你两列数据，一列是吸烟与否，一列是肺癌与否。能仅仅用这两组数据，就说是吸烟导致了肺癌；还是肺癌导致了吸烟？
如果不能推导。那么为了得出吸烟导致肺癌，我们还需要哪些数据
以及什么统计学分析方法才是正确的？
最后问大家一个猪问题。
如果A与B有关联，B与C有关联，请问A与C有关联吗？ 1）有关联 2）没关联 3）可能有关联；也可能无关联
如果A导致B，B导致C，请问A导致C？ 1）导致 2）不导致 3）可能导致；也可能不导致
哈哈
不是什么大事儿。这脑子，丢不丢，估计差不多。
请赐教
能回答一下问题吗？ 急等答案
多倒立， 脑子里的水出来一些就有答案了。
时间，的确是个很好的指标，来判断。
有个更tough的问题。如何判断一个疾病的症状，还是一个疾病的原因？
举个例子。肿块。
请问，是肿块导致了癌症 还是癌症产生了肿块？
多谢！
的确难点在排除C。
另外，谁先，谁后，也不好判断。 举个例子，肿块，癌症。 我们都知道癌症导致了肿块。
但是绝大多数人，是先看到了肿块，然后去医院，然后诊断出得了癌症。 所以根据时间顺序，我们得出肿块导致了癌症。
很简单的判断吧，被移植了肺癌组织的老鼠，会变得爱吸烟吗？其它器官转移至肺部的癌症，会引起病患从不爱吸烟，变得爱吸烟吗？
如果把吸烟作为输入，人作为接受输入的系统，系统输出的结果就是此人（易）得癌症；
如果把此人得癌症作为输入（移植癌细胞，或者癌细胞转移），同样是人作为系统，输出会是此人变得爱吸烟吗？答案是否定的。
这就是工程学的人的理解。
是想到这个问题后才丢了脑子，还是丢了脑子才想到这个问题？
怎样推导？
我个人认为是想到这个问题后才丢了脑子，因为发帖时间顺序关系。
肺癌和吸烟是个大家容易理解的例子。作为开胃菜。
下面，开始进入主菜单。
有一类人的基因，如果变异后，会容易导致酗酒。
请问如何证明，是酗酒基因产生变异，所以导致此人容易酗酒。
还是此人酗酒，所以导致此基因产生变异？
请设计一个实验，来证明因果关系。
有良性tumor 啊，癌症可以cause tumor, 但不是所有tumor 都是癌症
你这个例子好极了。
在复杂的医学推理中。的确存在，我们找不到“冬天”这个主因。 而错误的把“人们穿上羽绒服”，所以“黑熊要冬眠” 或者“黑熊冬眠”，所以“人们穿上羽绒服”
另外一个物理学上著名的因果问题。 F=ma 是力产生加速度，还是加速度产生力？
但是"肺癌导致吸烟"，这事不合逻辑也不合常理。
我觉得你在提问题之前，应该先做点基本的研究吧
像那位层主的例子，本身其实是关于因果关系（causation）和同时发生（coincidance）的区别，是有没有因和果的问题
而你的问题，则是因和果之间的关系，孰是因和孰是果，结果你还分不清你的问题和那位层主的问题的区别。难怪楼里有些人直接嘲讽了
你说的对。我就是想在分不清的前提下，来判断两个变量A和B，到底谁是因，谁是果。
也就是说，我们蒙上眼睛。旁人给你两个变量A和B，问你，是A导致B，还是B导致A。
这个时候，你说，我不知道。旁人又问你， 你需要哪些条件，才能回答这个问题。
这个时候，你需要思考了。这就是我想得到的答案。对于任意两个变量A和B，外加什么条件， 我们就能从统计学上判断出到底A和B存在不存在因果关系，谁是因，谁是果？
“人们穿上羽绒服” ， “黑熊冬眠”， 非常接近我要研究的环境。我研究的环境 就是一堆毫不相关的（或者没有前人分析过它们相关的）变量。而我是第一个人 要抓出它们谁是因，谁是果。
举个更形象的例子。你发现，地球上每天太阳日升日落。这个时候，你一定会去思考， 是地球决定太阳升落；还是反之。 如果没有任何课本告诉你地球是绕着太阳转的， 你该如何去研究这个因果问题呢？
对。现有的统计方法，t-test， ANOVA， Linear Mixed Model, 好像没法用于因果推论。 我想问问做因果推论的，你们都用什么工具和方法呢？
回到肺癌导致吸烟。一看标题，大家肯定一笑。但是，静一静，这是个重大的科研方法。
吸烟代表的是生活方式，癌症代表的是疾病。我们比较容易接受的是生活方式改变了健康状态，导致了疾病。 我们切身想一想，真的就没有人因为得了某种疾病，从此生活习惯和方式永久改变了的吗？
所以，疾病导致生活方式，并非空穴来风。
仔细寻找，我们应该也能找到，因为得了某种肺病，所以嗜好吸烟的人，一定存在。
考虑一下用转移熵 transfer entropy这类的东西看看
说的很好。Well said 我个人观点你说的第二点（时间顺序）其实是最根本的，但是也是最容易被忽略的，而且也经常是故意或者确实说不清的一点。比如这个话题，应该说清楚是，无癌症诊断的人现在吸烟可能会导致未来得肺癌。或者是现在已经有肺癌诊断或者明确的风险的人但还没有开始吸烟，将来会更更喜欢吸烟。这中间还得确定一个比较的人，因为这些论断都是说更加什么的，得有比较才能这么说
也就是说longitudinal analysis 才是因果分析的关键？
现在有一堆统计方法用来检验因果关系的，你去看看各种时序动态模型吧。
可能肺癌细胞形成过程中 特别喜欢尼古丁 所以越抽越厉害 癌细胞越多烟瘾越大 反之如果癌细胞少了 也就不想抽少抽了
一开始发现两件事相关，后面做前瞻性研究可以发现先后关系
一个是 吸烟at time t-1 与癌症at time t 的关系来证明吸烟导致癌症。用时间前后关系证明。 二是用exogenous shock, 比如政府出台政策(比如提高烟草税)影响吸烟率，导致肺癌症率下降或上升。提高烟草税跟癌症没有直接联系，只有通过吸烟来影响。
这个确实是个非常有意思的话题，虽然目前认为量子纠缠不传递能量／物质／信息等实体物质，但确实也实测到了较大颗粒尺度的纠缠现象。考虑到量子纠缠可以穿透时间光锥，隐约觉得概率论如条件概率等等会要被修正或推出新理论。。