因果（关系）分析与回归分析、时间序列分析等其他分析的关系问题

对统计学的一知半解常常造成不必要的上当受骗，对统计学的一概排斥往往造成不必要的愚昧无知。——印度著名统计学家C.R.劳

历史数据统计不变的东西的行为

比如不变的人，统计过去一个月行为，未来还会如此，不变的策略，统计过去五年历史业绩，未来还会如此。

不变的

这个方法是真不错

即用一定合适时间，不要太短也不必太长，一段合适时间确定某个条件决定下的某个行为的问题

条件和行为之间是决定和被决定的关系

那么，用一段时间找到这个被决定的行为样式，在未来这个条件存在的情况下，会有同样的一模一样的被决定的行为样式出现

这是世界观上

方法论上，方法是因，目标是果，但一定要找到可重复的方法因，目标果，策略有效期永远有效或者多次，否则回测有效失去意义，因为如果仅此一次不重复，那回测还有什么意义，回测有效，是因为未来重复，为了未来用。

这就是世界观和方法论上的回归分析

两者之间必须有因果关系，否则也是毫无意义的。

必须可重复。

这是回归分析有意义的两个条件

比如上一年销售额和今年销售不是决定关系，不可做回归分析，做了也毫无意义。

他真的是一位非常好的数据分析师。

回归分析的本质，不是单纯的，昨天怎么样，今天就怎么样，而是，昨天什么因果，今天就是什么因果。

更准确说

是在某个演绎因果下，昨天什么果，今天相同因下，还是什么果。

回归分析的本质是因果分析，不是单纯的找两个变量进行回归。

这两个变量之间必须是因果关系

才有回归的意义

前提是因果关系，然后，你再去用因果两个变量的历史数据进行回归，进行数据分析。

地球围绕太阳旋转是因，春夏秋冬更替且每年循环往复是果，地球对着太阳旋转是因，昼夜更替且每天循环往复是果。

在这个因每年不变的条件下，我们去分析这个果的行为模式，在第二个因不变的情况下，我们去得到第二个果的这个行为模式，这才是有意义的。

或者，我们通过太阳每天的东升西落倒推出有一个因支配和决定着它这个行为模式。

两个数据之间，必须有一个共同的因支配，做时间序列分析才有意义。

否则鸟毛意义没有

统计分析，要基于因果分析，而不是一堆毫无相关的数据乱分析。

因果，我们之前说过，分为决定因果和表征因果，两个变量之间有因果关系，才可以做回归分析。

两个历史变量比如今天和明天这两个变量之间是同一个因决定或者表征，才可以做时间序列分析。

比如，假设，某个企业销售数据由着企业老板所决定，这个老板是因，那么，我们可以通过分析过去三年的销售数据，得出明年的，过去三年都是1000万左右，明年也差不多。过去30年，销售数据的周期变化，未来还是如此。但是如果这个老板因不在了，这个果变量，再去做这样的时间序列分析还有意义吗？没有价值了。去年销售业绩利润100万，今年换了一个老板，你还根据去年100万得出今年100万，大错，今年实际上亏了300万。

你要做这个时间序列分析，必须确保，相同的因，或者因不变的前提下去做。

这样过去的数据对现在才有参考意义，历史才会一遍遍重演，重复。因变了，这个时间序列数据规律也就变了。

比如毛泽东当初回答历史周期律的问题，过去都是王朝更替，未来如何保证国家别再这样更替呢？改变因，过去是家天下，皇权天下，导致这样的王朝更替规律周期律，现在我们把因改成人民民主专政，天下人的天下，人民的天下，于是这个王朝数据的时间序列规律就戛然而止不复存在不再重复了。

你再用过去的王朝更替数据分析当今的政权数据，放在哪个人民民主国家都是无效的。

一定要首先找到背后的因

两个数据之间不是同一个因决定的做时间序列分析是毫无意义的，只会招致结论的失败，不符合客观实际。

再比如我们通过一个人过去一个月的行为去分析出这个人未来的行为。

如果这个人过去一个月我们观察他没素质，比如不照顾别人，自私冷漠，我行我素，自己爽就行不管是否影响别人，等。那么，我们可以得出，未来他还会如此，为什么？因为这个行为由他本人所唯一决定，他这个因不变，他还是他吧？则行为不变。这个时间序列分析是有意义的。

而罗素的鸡呢？为什么会分析失败呢？因为，忽视了因。

没有考虑到万圣节这个因

因变了，主人自然不会每天来喂养它了，而是要杀掉它。

天不变，道亦不变，因不变，果亦不变，因变量变了，果变量亦变，因果两个变量之间要重新界定因果关系，而因变量未变之前，果变量永不改变，其规律，其模式，其行为，其表现，永不变化。

因是根，病是果，因在则果在，所以，治病要除根，因不在果就不在了，病根没了，病自然就没了。

我是重视因果规律因果分析的，于是给自己取名果之因。

以前叫因之果，果之因除了说重视因果规律，还要格外重视因，所以果之因，但是同时我们一定也要重视果，你发出的某个因子行为会导致怎么样的后果也要心中有数。

先做好因果分析，明确因果关系，再去做其他分析，比如回归分析，时间序列分析。

在没有做好因果分析，明确因果关系的情况下，去做那些分析，是毫无意义的。

我要计算一下某条路上，每天通过车辆的多少，那么我就去统计个30天，得到一个结论，但是必须保证，确保这个结论的因不变，这个结论才一直有效。

这个结论只在因不变的前提下有效，因吵了，结论就变了，不再这样。比如，某天政府宣布，这条道路限行，那么因变了，你这个结论就不对了。

要确保你的结论的正确性，首先要确保因的不变性。

当且仅当，在因不变的某段时间内，你的结论才成立有效。

饭馆老板观察我连续去他家吃了一周饭，发现半个月之内我隔三差五会去吃饭，于是分析得出结论，未来还会如此，但是我突然发现，饭菜不干净，我不去了。因变了，那么他的结论也就不对了。

如果他找到这个原因，我去观察一下，改变了，之前的数据规律还会持续，因为我觉得饭菜质量不错，可口，服务态度也挺好的。

在相同不变的因下做时间序列分析和回归分析必对，就这么做

比如在某个因下，存在某个因果数量关系，找到这个数量关系，只要这个大因不变，这个大因的大果，即这个小因果关系，就保持不变。

这是大因控制下的回归分析

因控制决定下的时间序列分析如上所述，是同一个因下果变量不同数据之间的数据统计分析。

而回归分析，是因控制下的，果是一个因果关系的小因果这两个变量之间的数据分析。

除非因变，否则果不变，因变，果必变。

因果分析先于回归分析、时间序列分析、财务分析、经营分析等一切分析。

因在规律在，因亡规律亡。

决定规律存在的因在，这个规律就一直在，一直成立，决定这个规律的因不在了，这个规律就同时将不复存在。