可视化数据中的因果错觉

更频繁吃早餐的学生往往拥有更高的平均绩点。许多人可能据此自信地断言，校内早餐计划将带来更高成绩。这是一种推理错误，因为相关未必意味着因果——X 与 Y 可以相关而并非一方直接引发另一方。尽管此错误十分普遍，其普遍程度可能因数据呈现方式而被放大或缓解。通过三项众包实验，我们考察简单数据关系的呈现方式是否会缓解该推理错误。第一项实验测试了类似早餐—绩点关系的例子，其因果联系的 plausibility 各异。我们请参与者对“该关系相关”的认同程度评分，他们恰当地给出了高分。然而，参与者也对数据的因果性解读表达了高度认同。对不同可视化类型，因果解读的支持强度并不一致：文本描述与条形图的因果评分最高，散点图则较弱。但此效应究竟源于条形图将数据聚为两组，还是源于视觉编码类型？我们分离数据聚合与视觉编码类型，考察二者对感知因果性的各自影响。总体而言，不同可视化设计对同一数据提供不同的认知推理 affordance。图表的高数据聚合程度往往伴随更高的数据感知因果性。参与者将线与点的视觉编码视为比条形编码更具因果性。我们的结果展示了某些可视化设计如何引发更强的因果联系，而选择其他设计则有助于缓解无根据的因果感知。