是否有對立的原因

一個小男孩的故事#

書中講過一個比喻：一個小男孩注意到，每天晚上保母回家後不久太陽就下山了。於是他得到一個結論：「太陽下山，是因為保母要回家。」

這個荒謬結論其實揭露了一個常見的推理困難：因果歸因（causal attribution）。我們無法在不了解事情真正成因之前，做出聰明的應對 —— 但我們又經常滿足於第一個聽起來合理的解釋。

對任何因果主張，都要追問：有沒有對立的原因（rival cause）能解釋同樣的觀察？
對立原因的存在，會直接削弱原始解釋的可信度。

本章對應的關鍵問題：

是否有對立的原因？

什麼時候要尋找對立原因#

當作者在使用證據支持「X 造成 Y」這類主張時，就該啟動警報。常見的因果用詞包括：

導致（leads to）
影響（influences）
與…有關（is linked to）
阻止（deters）
提高…可能性（increases the likelihood）
決定（determines）
與…相關聯（is associated with）
產生…效應（has the effect of）

只要看到這些詞，就提醒自己：作者正在做因果歸因 —— 對立原因可能正在被忽略。

對立原因無所不在#

在人際關係中#

我傳訊息給男友超過 24 小時都沒回。他一定生我氣了。

對立原因：在準備考試、手機弄丟、忙碌、忘了。

在重大事件中#

2012 年 Sandy Hook 校園槍擊案發生後，名嘴在新聞上提出多個動機假設：

兇手對母親要送他入精神療養院的怒火。
暴力電玩的長期影響（家中搜出大量暴力遊戲）。
他正在服用的抗精神病藥已知可能引發衝動控制障礙與重度抑鬱。

重大事件總有許多人「最愛的因果解釋」 —— 這正是我們需要刻意尋找其他可能的時候。

在研究結果中#

一份研究指出，哺乳超過一年的女性在停經後罹患心臟病或中風的機率比未哺乳者低近 10%。研究發表於《Obstetrics & Gynecology》，分析了 Women’s Health Initiative 中 139,681 名女性。

研究者的假設是「哺乳帶來健康益處」。但同樣的相關性可有對立解釋：

願意哺乳的女性整體生活方式更健康（運動更多、飲食較好）。
不哺乳者多在外工作、生活壓力較大。
不哺乳的原因可能本身就和健康問題相關（吸菸、服用某些藥物）。

偵測對立原因的提問#

像偵探一樣自我提問：
還有什麼方式能解讀這份證據？
還有什麼可能造成這個結果或現象？
換個角度看，可能會看見什麼重要原因？
如果這個解釋是錯的，什麼解釋會說得通？

「這個原因」還是「一個原因」#

兒童憂鬱率上升。是基因、霸凌、父母忽視、戰爭新聞、宗教式微、壓力 ⋯⋯ 到底哪個？

常見錯誤：把複雜事件歸結到單一原因，忽略它其實是多個共同貢獻原因（contributory causes）的組合。
這就是因果簡化謬誤（Causal Oversimplification Fallacy）：用不足以解釋事件的因果因素去解釋它，或誇大某個因素的角色。

對人類行為而言，多重貢獻原因是常態而非例外。專家面對複雜事件，最誠實的回答常是：「我們不知道那個原因，但我們能談一些可能參與其中的原因。」

同一個現象在不同人身上的成因也可能不同。一個人的憂鬱可能是生理疾病為主，另一個人是生活劇變為主。問「憂鬱症的成因是什麼」常常不對，問「這位個體的憂鬱有哪些成因」才更恰當。

多元觀點是創意泉源#

我們選擇尋找哪些原因，深受觀點影響。社會學家、心理學家、精神科醫師、生物學家、神經科學家、營養學家、環境學者、警察、政黨人士、商人 —— 對同一現象會列出截然不同的可能原因清單。

要警覺確認偏誤（confirmation bias）：只去找與既有信念吻合的證據。多接觸不同學科視角，才能擴大可能對立原因的庫存。

群體比較中的對立原因#

最常見的研究設計就是比較兩組（如「實驗組 vs. 對照組」）。但兩組通常不只在被研究的變項上不同。

一份研究：上特定考試準備課的學生，比只看書準備的學生分數更高。

可能的對立原因：

學業／經濟背景差異：能負擔課程的學生原本就受到較好的教育。
動機差異：報名課程的學生原本就比較想拿高分。
學習風格差異：擅長課堂學習的學生本就在標準化考試中佔優勢。

縮減對立原因的最強研究設計是隨機分派實驗（randomized experimental design），常被稱為「黃金標準」（gold standard）—— 把同質的群體隨機分派到不同的介入組。

把「相關」誤當成「因果」#

嘻哈音樂越流行，年輕人上教堂的越少。可見嘻哈音樂在腐蝕年輕人的道德。

我們天生有把「同時出現的事」連成「因果」的衝動。但任何兩個變項 X 和 Y 的相關，至少有四種可能：

X → Y：吸菸真的殺死流感病毒。
Y → X：較少感染流感的人比較容易繼續吸菸。
第三因 Z 同時造成 X 和 Y：比如吸菸者經常洗手，洗手才是真正阻止流感的原因。
X 與 Y 互相影響。

例如：「冰淇淋造成犯罪」研究發現兩者一起上升 —— 真正的共同原因可能只是夏天的高溫。

兩個常見謬誤：
因果倒置（Confusion of Cause and Effect）：把因果方向搞反，或忽略雙向影響。
忽略共同原因（Neglect of a Common Cause）：忽略某個第三因子才是真正驅動雙方的元兇。

相關性不能證明因果。 當作者用「X 與 Y 相關」推論「X 造成 Y」時，永遠先問：「還有什麼能解釋這個關聯？」

「之後發生」≠「因為它而發生」#

人類傾向把「時間先後」誤當「因果先後」：因為 B 在 A 之後發生，所以是 A 造成 B。

post hoc, ergo propter hoc（「事後即因之」）—— 後續謬誤（Post Hoc Fallacy）：僅因 B 在時間上跟在 A 後面，就斷定 A 造成 B。

例：

我穿著那頂帽子寫過一篇好論文，從此每次寫論文都要戴。
「昨天撿到一枚 25 分硬幣後，我考了 A、討厭的課取消了、最愛的電影也播了 —— 這枚硬幣一定很幸運。」（其實：你準備了很久、教授孩子病了、電視排程早就排好。）

政商領袖最愛使用 post hoc 邏輯：上任後發生的好事都歸功於自己，壞事都怪別人。

對於「事件先後」型的論證，永遠追問：

還有什麼對立原因可解釋這個結果？
除了時間先後外，有沒有其他證據？

解釋特定事件的特殊困難#

「2010 年冰島火山為何爆發？」「為何 Facebook 這麼紅？」這類個別歷史事件特別棘手：

多種敘事都能說得通。
解釋本身受社會、政治、個人立場影響。
我們會犯基本歸因謬誤（fundamental attribution error）：對他人行為，過度看重個人特質而忽視情境因素。

例如有人偷東西，我們直覺歸於「他不道德、缺乏良心、選擇錯誤」；卻忽略貧窮、同儕壓力等情境因素。

加上記憶會被扭曲、證據常仰賴回憶 —— 我們永遠無法徹底確定歷史事件的成因。

因此：
別接受第一個解釋。
主動找對立原因，比較它們的可信度。
從多個觀點來看事件、讀多個版本。
接受「許多事件並沒有簡單解釋」這個事實。

比較對立原因的標準#

比對候選原因時，可參考下列標準：
邏輯穩固性：哪一個最說得通？
與其他知識的一致性。
過去解釋類似事件的成功率。
由更多被廣泛接受的真理蘊含的程度。
被較少被廣泛接受的信念所否證的程度。
解釋的事實數量與多樣性：能解釋越多、越多樣的事實，通常越強。

學到的功課#

許多事件都可以被多個對立原因解釋。
同一份證據，不同專家會看到不同因。
多數作者只給你他偏好的因；對立原因要自己生出來。
生成對立原因是創造性過程，往往不顯而易見。
對立原因越多越合理，原始因果主張的確定性就越低。看到多元對立原因的人，自然帶著智識上的謙遜。

寫作與發言的反向應用#

因果論證是寫作中最難寫的類型。建議分步驟：

選定一個因果問題（用「為什麼／是什麼造成 ⋯⋯／⋯⋯ 有什麼影響」打開議題）。
像個 5 歲小孩一樣不斷問「為什麼？」「還有什麼？」：這是腦力激盪潛在原因的好方法，朋友、同學、不同領域的人都可加入。
證明關係存在，再證明方向正確（A → B 而非 B → A 或 C → 兩者）。
論證為什麼你的因果關係比其他選項更能解釋現象。