《原因与结果的经济学》是一本由[日] 中室牧子 / [日] 津川友介著作，后浪丨民主与建设出版社出版的平装图书，本书定价：38.00元，页数：168，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《原因与结果的经济学》读后感(一)：因果关系

　　佛家讲因果，听得最多的是“善因善果，恶因恶果”“种什么样的因就有什么样的果”，一直以来我也信因果，只不过所说的因果跟这本《原因与结果的经济学》却不同。 当我们了解因果关系以及如何证明因果关系以后，我们就开始需要做实验了，通过实验来证明事件是否存在因果关系，从而对事件加以改进和处理。实验的方法共有以下这几种，元分析、随机对照实验、自然实验与准实验、回归分析！

　　因为实验的步骤等等的不同，所以证据等级也不同，元分析的证据等级最高，而回归分析的证据等级最低。但是，我们都知道，不论是哪种实验，它都会有误差，所以我们只能尽可能的减小误差。用来求得最正确的结果！书中已经介绍大量的实验，我们可以了解到一些我们常识中的一些错误！所以说，很多事，他们往往没有因果关系，但是因为相关，而牵扯到了！

　　《原因与结果的经济学》读后感(二)：确认有无因果关系是经济学研究的核心

　　今天合上这本书的时候，已经是精读二刷了。作为计量经济学的一个入门，这本书很好地给出了回归分析以外其他经济学研究方法的具体阐释。贯穿全书的珠宝商做广告的例子十分生动形象，基本上看不懂的专业术语说明部分都可以用珠宝商广告的案例进行分析；配合的表格图解也是非常到位。现在很多刚入门的社会科学研究者都会将精力放在回归方程的建立上，而忽视了回归方程设立本身的意义是什么。这本书恰恰相反，将回归方程放在最后一章用极小的篇幅进行阐释，而将更多的精力放在了证据可信度更高的随机实验、自然实验和准实验上面。双重差分法与工具变量法、得分倾向匹配法等是计量经济学中非常用常见的研究方法，然而这些方法和回归方程的关系多数研究人员却知之甚少。使用这些方法可以使研究者更好的采用社会现有数据进行反事实假设的重现，这才是一个社会科学工作者真正应该追求的，有效针对真实世界从不同角度建模的重要方法论依据。建议每一个对经济学究竟怎样得出那些反直觉结论有兴趣的人都来读一读这本书。即使你没有任何数学基础，也能够清晰而准确地把握书中验证理论的方法。这本书刚发售的时候在豆瓣上有9分的好评，现在分数低了，我估计是许多专业人士读起来觉得不够深入，因此不推荐。但是作为一个研究程度尚浅的入门研究者来说，我个人非常推崇这本书：这本书的篇幅非常短小，内容却都是干货，集中精力的话两天内就可以重读三四遍，带来的收获是显著的（笑）。最后祝大家都能从这本书中收获自己研究的智慧~

　　《原因与结果的经济学》读后感(三)：如何活成一个明白人

　　我们的生活中充斥着五花八门的信息，特别是信息时代，获取消息的途径越来越多，也更加难以进行有效辨识其正确性和实用性，难免会带着“宁可信其有”的态度，但信息里包含的逻辑漏洞，我们总也不知道该怎么进行有力反驳和批判，便也就着这样的观点作为行动依据，从而付出了时间和金额的代价。

　　这正是本书要讲的内容，旨在让我们面对勃杂的信息时，掌握科学的因果推理方法，学会分析数据，同时要掌握且拥有解读数据分析结果的能力。因果推理也是我们每个人必备的素养。看书之前有几个重点名词需要了解一下。

　　因果关系：两个事件中，一方为原因，另一方为结果的状态被称为存在因果关系。

　　相关关系：两个事件相互关联，但不存在因果关系的状态被称为相关关系。

　　如何掌握因果推理？

　　最为简单就是：原因直接导致结果，因果关系。

　　判断因果关系的三个要点和一个证明，本书理论加实际，要点加举例进行通俗说明，

　　1、 是否“纯属巧合”？

　　例：海岛数量下降是因为全球变暖。因为结果而硬凑原因，当我们把时间线拉长，会发现海盗数量和温室效应没有直接关系。一个“伪相关”的巧合关系。

　　2、 是否存在“第三变量”？

　　例：因为身体好所以学习好。身体好和学习好之间是否存在直接的因果关系？如果轻信观点，我们可能就直接去锻炼身体，那么学习成绩就自然提高了吗？提高学习成绩肯定还有其他的隐藏变量。

　　3、 是否存在“逆向因果关系”？

　　例：警察多的地区犯罪就多。警察多导致犯罪多，如果条件成立，是否可以表示若要犯罪少，警察下岗就行了呢？这明显是伪命题。事实是，由于犯罪数量太多，该地区调配了更多的警力。

　　4、 证明因果关系需要“反事实”。

　　简单的说，如果那样….，就会这样….，以事实为理论进行反推。

　　生活中，对待一件事情，如果我们明确和理清了这两个关系之后，同时运用简单的因果推理原则，才不会导致错误的判断。在得到正确的信息后，我们日常生活中获得满意的成果概率也会更高，活成一个明白人。开卷有益。

　　《原因与结果的经济学》读后感(四)：因果关系推理的普及书（本篇有浓缩讲义）

　　推荐级别。因果推理的通识书，字数不多、案列丰富，但其实需要静心阅读，最好再做下笔记。

　　我读这本书最大的收获是：1.因果推理的根本是要制造反事实（即没有原因变量的结果走向）

　　2.通过前后测分析的弊病有：未考虑时间趋势的影响；统计学的“均值回归”

　　3.现实情况下比较圆满的手段是：随机对照试验

　　说下缺点：其实书中举了很多案例，但对案例因果推理过程没有多讲，直接给了结果。

　　奉上整理的精华内容：

　　喜欢就关注我的阅读公众号，跟我一起读书吧。

　　《原因与结果的经济学》读后感(五)：冷漠，理性、高效与进化

　　我在想经济学的相关理念在生活方式中会占到多大份额才能让幸福感更高些，而此刻我正在用经济学的思考方式来解决这样的困惑，而且我也在这本书中找到了一些提示与建议。拿到这本书是日本国民教育通识课《原因与结果的经济学》。书很薄，把因果关系用很多实例和数据分析来透彻解释了一番，也把与之混淆的相关关系概念加以区分，用假设（反现实）和概率学的一些手段论证事件的因果性，可以说这是一本不能再理性的书了。

　　往往在理性过度的时候会让人产生冷漠的错觉，正如社会形态与我们不同的日本一样，人与人之间在道德礼貌的外向表达的背后总是有种冷漠的理性，这与受教育程度有关，这本书在邻国的普遍性也避免了社会形态中所不必要的误解与纠纷，在国人眼中的道理很多一厢情愿缺乏理性的因果分析，而过多强调个人感情和利益，所造成的现实人情世故变得繁杂以致成为国情民风。当站在科学的理性因果分析后，自会变成单项结果（认识第三变量、相关关系的干扰项和反向因果关系）。事情变得简单而且正确，于是也不需要所谓的成熟度来调节杂七杂八的错误选项。我宁愿单纯如初。

　　这样看起来当然会少了很多不必要的沟通，以至于冷漠，但却异常高效。这在办公室是理想的工作方式，在科研、政治、经济等领域也会选择出正确的决断来完善项目和政策，极大的提速社会效率，在大数据时代的今天，庞大和复杂会混乱了秩序，它在提供数据分析的同时也造成了不必要的相关联系，在很大一部分中是与当是事件无关的信息。所以在人类的辨识中，因果关系的正确处理是非常必要的普遍性的能力。我觉得这应该当是人类社会进步的一部分，并伴随的。

　　这本书极为高效的处理如何辨识生活中的因果关系，可以说十分有效和详尽。在此不赘述方法。

　　回到最开始我自己的疑问，我想因果关系的认知当然要融入生活中，但生活中并不是所有的事都框在因果中，也不会是经济学的范畴。有些无来由的快乐、悲伤、感念都夹杂在生活中，这些都被感性的自己吸收了，人与人之间其实要复杂得多，很多事情也在变化中起了变化。怎样才会让彼此都舒服，而不会有失错误的选择，这是一个大智慧。

　　对于我这样很没有经济头脑的人来说，这本书是提神醒脑的，不单单关于经济利益的一些决策，也在生活中让我意识了自己需要如何张弛有度。

　　《原因与结果的经济学》读后感(六)：主要内容摘录

判断因果关系的三个要点：

　　伪相关：两个变量的变化趋势只是碰巧相似的现象

　　2. 是否存在”第三变量“

　　判断是否存在同时影响原因和结果的“第三变量”（混杂因素）

　　3. 是否存在”逆向因果关系“

　　本以为是原因的事件其实是结果，本以为是结果的事件其实是原因

证明因果关系需要“反事实“：

　　指对过去未曾发生的事实所做的假设，例如”如果当时没有….,那么…..“。

因果推理的实验方法：

　　1. 随机对照实验：通过投硬币、随机数表、抽签等方式，将研究对象人群随机分为接受干预的组（干预组）和不接受干预的组（对照组），使两组成为可比较的组，用对照组的数据替换干预组的“如果没有收到干预”的反事实。

　　2. 自然实验：利用研究对象人群由于法律制度变更、自然灾害等“外生冲击”的影响而自然分成受影响组（干预组）和不受影响组（对照组）的现象，来验证因果关系。

　　3. 双重差分法：从受到干预的组（干预组）和未受干预的组（对照组）中获取干预前后的结果差异，以及干预后和对照组的结果差异。前提条件：1）干预组和对照组在干预前的结果具有相同的“趋势”。2）在施加干预期间，没有其它变化对干预组和对照组的结果产生影响。

　　4. 工具变量法：利用“只能通过影响原因而间接影响结果”的工具变量，使干预组和对照组形成可比较的状态。前提条件：1）工具变量会影响原因，但不会直接影响结果。2）不存在同时影响工具变量和结果的第四变量。

　　5. 断点回归设计：利用任意决定的断点值两侧自然成为干预组和对照组，推算因果效应的方法。前提条件：断点值周围没有发生影响结果的其它事件。

　　6. 匹配法：运用能够影响结果的协变量，从对照组中选出和干预组相似的样本进行匹配，并对两个组进行比较。成立条件：影响结果的所有协变量均可观测。（协变量：指除原因和结果外的其它所有变量；混杂因素：协变量中“同时影响原因和结果的变量”。即协变量中包括混杂因素也包括非混杂因素。）

评价分析结果有效性的概念：

　　内部效度：指两个变量之间的因果关系的确定程度，即对研究对象群体再次施加相同干预后，会出现相同结果的程度。

　　外部效度：对研究对象之外的群体施加相同干预后，会出现相同结果的程度。

　　《原因与结果的经济学》读后感(七)：看透本质，做明眼人

　　我们在生活中经常会遇到各种因果关系的事情，比如玩耍时间少的孩子学习好，比如爱加班的同事更敬业，上课不睡觉的学生成绩更好，经常使用XX化妆品/保健品的女士看起来更年轻等等，尤其是在媒体渠道越来越多样化的今天，纷飞而来的广告让人眼花缭乱，无法判断真实性，更是在不断地循环洗脑中让人慢慢信服，但是，我们遇到的这些事情，真的是因果关系吗？《原因与结果的经济学》一书中，提及到另一个重要的关系——相关关系，即两个事件相互关联，但不存在因果关系，而分清因果关系和相关关系对于我们的生活和工作都是十分重要的。本书介绍“因果推理”在美国是大学的课程学习之一，我们不难看出美国人实际上在逻辑和叙述中，即便不是商务和政治场合，也会有意识地在言谈中注意因果推理的应用，在亚洲的大部分国家，教育中的“因果推理”却是少之又少。

　　本书作者中室牧子，庆应义塾大学综合政策学部副教授，哥伦比亚大学公共管理硕士、教育经济学博士，研究领域为教育经济学，曾就职于日本银行、世界银行和东北大学，另著有经管畅销书《学力的经济学》。本书另一位作者津川有介，加州大学洛杉矶分校助理教授，哈佛大学公共卫生硕士、医疗政策学博士，研究领域为医疗政策学和医疗经济学，曾就职于圣路加国际医院、世界银行和哈佛大学。

　　随机分组一章让我印象非常深刻，其中案例以“接受体检的人会更长寿”为论点，阐述随机分组的重要性，这也再次说明“因果推理”学问的重要性，的确在我国的教育中，不管是因果推论还是逻辑训练都是极其缺乏的，其实只看“接受体检的人会不会更长寿”这个问题，我们经常会想当然地想到实验方式是把定期体检和不定期体检的人分别以相同的数量做下寿命对比就好了，然而本书中明确指出这种方法的问题点——选择性偏差，英语俗语：简直是在拿苹果和橘子比，即拿两种原本就截然不同、没有比较意义的事物做比较的行为。而我们要避免人为地干预分组，要让苹果和苹果对比，橘子和橘子对比，其中最可靠的方法就是用抽签的方式随机决定是否接受体检，让等量的重视健康和不重视健康的人混合在一起后随机分成体检和不体检组，避免个人按照自身的意志做出选择，这样分出的组就是课比较的苹果与苹果，而该实验最终证明两组的死亡率差异在统计学上不具有显著性。

　　因果关系隐藏在杂乱无章的数据和若有似无的线索之中，发掘因果关系需要严谨的论证和既具针对性的技术手段，本书把因果推理法归纳为简单的5个步骤，并提供了一系列工具，以保证推理过程的严谨性，所以在日常我们要去验证因果关系或是相关关系的时候，就必须严格按照步骤和方法进行推理，只有这样，才能够在日常不被迷惑，看清楚事件的本质。

　　本书由后浪出版策划发行。

　　《原因与结果的经济学》读后感(八)：别样的因果经济学

　　说起因果，我相信大部分中国人想到的便是因果报应或者因果循环，这种思想在我们的脑袋中已经呆得太久太久。然而经济学也有因果吗？下面的结果将告诉我们答案。 首先我先提出三个问题： 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？ 上偏差值高的大学收入就会更高吗？ 想必很多人的回答都是肯定的。 不过，经济学的相关研究已经推翻了上述全部说法。大多数此类似是而非的说法源于我们混淆了相关关系与因果关系，因果关系隐藏在杂乱无章的数据和众多似是而非的线索之中，发掘因果关系需要严谨的论证和极具针对性的技术手段。

　　《原因与结果的经济学》便向我们讲述了如何利用原因和结果来进行上述问题的思考和认知。 英国推理在经济学领域的历史其实并不长，就好比我们很多大众都不知道原来经济学也可以进行因果推理一样。20世纪90年代以后，世界上才陆陆续续有了相关的研究，鲁宾和因本司合著的《统计学、社会科学及生物医学领域中的英国推理导论》在2019年出版后，被誉为“因果推理”领域最经典的教科书，其发展不成的原因也是由于经济学等社会科学领域很难组织实验，导致因果推理一直无法在经济学领域得到普及。

　　读完本书，我也知道了因果推理的五个步骤。 1.原因是什么？ 2.结果是什么？ 3.确认三个要点 （是否纯属巧合？是否存在第三变量？是否存在逆向因果关系？） 4.制造反事实 5.调整到可比较的状态 通过以上五个步骤，我们便可以轻松地掌握因果推理。 接下来，我以“上偏差值高的大学收入就会更高吗？”这个问题为例，我来通过上面五个步骤与大家分享一下如何进行因果推理？ 这个问题的原因学生是否上偏差值高的的大学，结果是收入更高。接下来我们需要通过大量的材料分析来确认是否属于巧合，而由于各种外在因素的影响来确认是否存在混杂因素，最后通过了解那些收入高的人是否上了偏差值较高的大学，来确认是否存在逆向因果关系，来进行确认三个要点。然后我们通过假设没有上偏差值较高的大学是否能够得到一个收入更高的工作（很多人通过其他努力也得到了），最后调整到一种可以比较的状态（没有任何外在因素干扰），以此来进行因果推理。便可以知道这个问题的答案是否定的。

　　这种简单的因果推理经济学，对于我们的实际生活中非常有用！

　　《原因与结果的经济学》读后感(九)：相关关系≠因果关系

　　极简统计学，适合所有人。

　　本书介绍了多种利用自然实验或准实验获取数据、观测数据并判断因果关系的方法。

　　在“大数据”成为流行词的当下，数据分析随处可见。然而，数据本身只不过是罗列在一起的数字。“如何解读”数据分析才是关键。误将只呈现出相关关系的数据分析当作因果关系，会导致人们进一步做出错误的判断。

　　从这个意义上讲，“因果推理”如今已经不再只是作者等研究人员的“专利”，而是所有人为了弄清楚“是否存在因果关系”所必备的素养。

　　看点统计学的好处在于，一些在主观上被认为是常识的东西，会被客观实验和数据验证毫不客气地啪啪打脸。下一回在发言前会多想一道：我这么下结论是不是太武断？我的观点有证据支撑吗？然后就说都不会话了…

　　摘抄：

　　在日常生活中，只要理解了因果关系和相关关系的差异，训练自己思考是否存在因果关系，便可以摆脱偏见或无稽之谈的束缚，做出正确的判断。

　　判断因果关系的三个要点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”？

　　与几乎从不摄入黄酮醇的老年人相比，摄入黄酮醇较多的老年人在大脑功能和记忆力方面更好。虽然多吃巧克力就更有可能获得诺贝尔奖的说法言过其实，但摄入巧克力至少具有增强记忆力的功效。

　　个人“选择（ selection ）”会导致两个研究对象组不具备可比较的属性。这种现象在经济学中被称为“选择性偏差（ selection bias ）”。

　　元分析是指整合多项研究结果，从整体的角度验证关系的方法（参考正文第 40 页）。尤其是整合多个随机对照试验的元分析在证据等级中所处等级最高。元分析的结果已经证实，体检和长寿之间的确不存在因果关系。 ② 在实施随机对照试验的丹麦研究者们看来，组织大规模随机对照试验虽然成本很高，但与为全体国民提供没有效果的体检服务相比，则要划算得多。也就是说，不能贸然实施不知是否有效的政策，即使需要付出一些成本，也应该先验证因果效应是否存在，然后再决定是否要全面实施。

　　不验证因果关系，便推行看似有效的政策，无异于将巨大的风险转嫁到国民身上，这一点我们可不要忘了。

　　正如克鲁格等人所说，“并非对所有学生来说，就读于偏差值高的大学都意味着未来收入最大化”，“世界上没有任何一所大学能够保证毕业生将来会获得更高的收入”。不仅如此，克鲁格等人在论文中还援引了明尼苏达州诺斯菲尔德的名门私立大学嘉尔顿大学校长斯蒂芬 ·R. 刘易斯（ Stephen R. Lewis ）的话。被问及如何看待大学排名时，刘易斯答道：“问题不在于哪所大学是最棒的，而在于对谁来说是最棒的。”这句话可谓概括了这一系列研究的结论。

　　《原因与结果的经济学》读后感(十)：一直被误解的蝴蝶效应

　　蝴蝶效应这个词最初是由美国气象学家爱德华·洛伦兹提出的，他偶然发现在气象预测的数学模型里，只要输入的参数有微小的改变，输出的结果就会产生巨大的差异。就像我们古语说的：“差之毫厘谬以千里”。为了向公众形象的解释这个理论，他一拍脑门想了一句话：“一只蝴蝶煽动翅膀就足以改变天气”。所以这就造成了我们公众所流传的蝴蝶效应，一只南美洲亚马逊河流域热带雨林的蝴蝶，偶尔扇动几下翅膀，可以在两周后引起美国德克萨斯州的一场龙卷风。所以由原本不起眼的一个小动作，引发的一串连锁反应，便被称为“蝴蝶效应”。

　　但是，在很多的原因与结果中，他们之间的联系是必然的吗？特别是在如今信息爆炸的时代里有很多看似存在相关性的事物，事实上又真的如此吗？

　　人是一种天生需要理由，也天生会寻找理由的生物，如果找不到理由，我们就会辗转反侧，难以入眠，所以我们的大脑就会特别喜欢创造理由，创造理由就是归因，归，就是“归纳”的“归”，因，是“原因”的“因”。所谓“归因”，就是指在遇到问题时我们归纳原因的方法。而有的时候这个创造出来的归因会使我们相信，是因为它更能使我们的心理得到安慰，就像我们相信穿着暴露的女生更容易遭受性侵害，这会让我们觉得，哦，只有我不穿着暴露，我就不会遭受到这种不幸了。

　　在《原因与结果经济学》这本书中，作者在开篇还给出了三个问题：

　　1. 定期接受代谢综合征体检能长寿吗？

　　2. 看电视会导致孩子学习能力下降吗？

　　3. 上篇差值高的大学收入会更高吗？（偏差值=（得分-平均风）/标准差*10+50））

　　面对类似于上面这些问题时，我们的脑子第一步要做的并不是，先给出肯定或者是否定的答案，而是应该先想想书中提到的：判断因果关系的三个要点：

　　1. 是否纯属巧合——伪相关：有调查研究发现，喝酒的人得肺癌的几率会更高，那么喝酒会得肺癌吗？其实，是因为大多数饮酒的人都会吸烟，而吸烟才是导致肺癌发生的根本原因，所以饮酒会导致肺癌就是一个伪相关的联系。

　　2. 是否存在第三变量——混杂因素：有调查里显示，体质更好的孩子，学习成绩更好，那么想要孩子学习成绩好，就要加强孩子的体质锻炼吗？这可能还存在另一个混杂因素是父母对教育的热衷程度，一个重视孩子教育的父母，必然也重视孩子的体能训练以及对他学习的训练。孩子的成绩好与坏并不是某一个单方面的特质来决定的，就像很多的成功学里也会告诉我们，一个自律早起的人会更容易成功一样，但是其实很多的底层人员都是很早起的，可他们并不容易成功，这跟你你的出身环境运气能力等都是密切相关的。

　　3. 是否存在逆向因果关系：警察越多，犯罪案件也越多？这就是我们常说的颠倒黑白，犯罪多才是原因，才导致了警察多的结果。黄执中老师在小学问里提到的“对立成因”也是这个意思，比如爸妈大小孩会容易把小孩打笨？那会不会是笨小孩才挨打，聪明的小孩子自然容易讨父母欢欣，更不容易挨打呢。

　　用着三个要点再去回顾开头说的那三个问题，你是否有产生一些不一样的思考呢？以后，在网络上看到类似的标题或者归因时，就要知道，先别急，先在脑子里快速问自己：这玩意儿能不能做实验？如果不太可能，那就再问自己：如果他们所说的这个因果关系相互倒转，或者寻找另一个混杂因素也能够说得通的道理。而像这样多练几次，熟悉之后呢，你看起问题来，会比别人高明许多。