没有依据的相关性，是指对两种模式之间关联的声称，而证据并不足以支持。这出现在数据回应题中，尤其是比较大小不同的地区的计数时。它属于图表、照片与空间数据模块。
怎样检验被声称的关联？
- 用简单的话写出模式： “X 越多的地区，Y 也越多”。
- 检查数据类型。 两列都是计数吗？各地的面积或人口是否不同？
- 尽量换成比率， 例如每 1 000 人或每平方公里。
- 寻找第三个因素， 看它是否可能同时推动两者。
- 谨慎地写结论， 并说明还需要什么证据。
例题
所有数据都是虚构的。六个地区一年内的高楼数量和高温投诉数，以及人口如下。
| 地区 | 高楼数 | 高温投诉 | 人口（千） |
|---|---|---|---|
| 1 | 2 | 11 | 20 |
| 2 | 5 | 17 | 30 |
| 3 | 9 | 24 | 40 |
| 4 | 14 | 33 | 60 |
| 5 | 20 | 41 | 80 |
| 6 | 26 | 55 | 100 |
第 1 步，模式。 高楼越多的地区，投诉越多。看起来关联很强。
第 2 步，检查规模。 人口也沿表格往下增加，所以较大的地区几乎什么都会报告得更多。
第 3 步，换成比率（每 1 000 人的投诉数，即投诉数 ÷ 以千计的人口）：
- 地区 1：11 ÷ 20 = 0.55
- 地区 2：17 ÷ 30 ≈ 0.57
- 地区 3：24 ÷ 40 = 0.60
- 地区 4：33 ÷ 60 = 0.55
- 地区 5：41 ÷ 80 ≈ 0.51
- 地区 6：55 ÷ 100 = 0.55
第 4 步，下结论。 比率保持在 0.51 到 0.60 之间，没有随高楼增加而上升。计数中的模式主要由人口规模解释，所以数据不支持高楼与高温投诉之间有关联。
学生常犯什么错误？
错误的答案： “高楼导致高温投诉，因为高楼多的地区投诉也多。”
这是从原始计数的模式中读出了因果。人口推动了两列数据，而比率并没有相应上升。
纠正的方法是使用谨慎的措辞：“高楼较多的地方投诉数较高，但那里的人口也较多。每 1 000 人的比率相近，所以数据不能说明高楼是原因。”
自我检测
所有数据都是虚构的。
1. 一个地区有 9 宗投诉和 3 000 人。每 1 000 人的比率是多少？
显示答案
3 000 人 = 3 千。9 ÷ 3 = 每 1 000 人 3 宗投诉。
2. 说出一个第三因素，可能解释为什么咖啡店较多的地区自行车失窃也较多。
显示答案
人口或访客数量，或该地区商业用地的多少。只要你把它与两个变量都联系起来，任何一个都可以。
3. 把“学校越多导致交通越多”改写得更谨慎。
显示答案
“学校较多的地区交通也较多，这可能与人口规模或道路布局有关。还需要更多证据，例如每 1 000 人的交通量。”
接下来学什么？
你现在已有五项证据技能，请在综合练习中一起测试。把做错的题记入错题记录与重测队列。如果你想让老师质疑你的结论并打磨措辞，请了解我们的一对一线上地理补习。