求同法

两个现象之间的相关性提供了因果假说的良好起点。一种类型的相关就是一个事件的发生伴随着另一个事件的发生：这两个事件就是相互关联的。如果你不时出现偏头疼，通常你会寻找头疼之前你做过的事；如果你发现每次头疼之前的几小时你都吃过培根三明治，你就会想到很可能是培根三明治引起了你的头疼。

如果一些年你的杜鹃花盛开，而另一些年却不是这样，你就会寻找和杜鹃花盛开关联的事件；如果你发现杜鹃花盛开的那些年你采用了特别的修剪技术，你就会猜测这特别的修剪是花朵盛开的原因。

本书作者之一曾在一个夏天遇到这样的事：每周六晚都不愿到自家的后院去，因为那里有不少蚊子飞舞。为什么总是在周六晚出现这种现象？周六发生了哪些相同的事？作者疑惑之后发现每周六的傍晚他都割草，割草和蚊虫飞舞之间的关联让作者想到了可能的解释：割草惊动了蚊虫。

在我们撰写本书时，科学家们正试图解释“蜂群衰竭失调”现象——蜂群中有的蜜蜂飞离了群体而且消失得无影无踪。是这些蜂群离手机基站很近吗？是这些蜂巢附近都洒了相同的农药吗？是这些蜂群都离转基因植物很近吗？到目前为止，还没有发现与蜜蜂离巢相关的可能因素。但如果发现了一个因素，猜测这个因素是蜂群衰竭的可能原因就是合理的。通常，我们在寻找多个场合都发生的现象之原因时，形成假说的合理起点就是寻找与其相互关联的其他现象。

为因果假说提供起点的还有另一类型的相关——共变。共变（covariation）指一个现象的变化同时伴随着另一现象的变化。大气中CO₂ 的排放和全球变暖之间的共变意味着二者之间可能有因果联系。

当烟草商花更多的钱做香烟广告时，吸烟率随之增大，这种共变意味着二者之间可能有因果联系。

我们称以下形成假说的方法为求同法（the method of agreement）：如果在多个场合出现的结果都伴随着与之相互关联的现象或者总是与另一现象之间共同变化，那么就认为二者之间可能有因果联系。 ^[1]

必须注意的是，现象之间的共同变化只是显示二者之间可能有因果联系：一个男孩在学习乘法表时他的头发变长了，但二者之间显然没有因果联系。随着圣诞销售量的回升滑雪事故也增加了，但二者之间没有因果联系。充其量，关联和共变仅仅为因果假说提供了线索，但它们并不能确证假说。

从逻辑的角度看，把任何相关或共变都视为因果是一种错误，这种谬误被叫做“共同变化，是为因果”（cum hoc,ergo propter hoc）。

另一拉丁短语用于描述违背逻辑的谬误“在此之后，因是之故”（post hoc,ergo propter hoc）。如果认为发生在前的事件就是发生在其后事件的原因，那就陷入了此种谬误。例如，你犯头疼，而你能想起来的和平常不同的事就是之前吃了寿司，因此而提出寿司导致头疼的假说是合理的；但就此认为该情形确证了寿司导致头疼就是不正确的推理。

在此之后，因是之故。

[1] 穆勒把通过两个现象出现的相互关联来寻求因果联系的方法叫做求同法；把通过两个现象的共同变化来寻求因果联系的方法叫做共变法。我们统称这两种方法为求同法。