健康 · 熟练
猜了半年的原因，一次就被推翻
数据的第一用途不是确认，是排除
「我知道我就是晚上喝咖啡才睡不好」——这句话你可能已经信了半年，却从没验过。有一位长期睡不好的人把手机健康数据、体重秤、连续血糖仪与喝酒喝咖啡的打卡记录汇到一起，让 AI 做一次多变量回归，结果第一条就是：咖啡因摄入与睡眠时长没有任何统计学相关。一个被当成确定原因的习惯，当场被排除 —— 省掉的是接下来一周「戒咖啡」的肉身试错。这一页给的是顺序：先列候选 → 再让数据排一次 → 只做「排除」这个动作 → 剩下的才单变量改动。小样本上你得不到「确认」，但足够得到「排除」，而排除本身就已经值回票价。
方法 · 一图看懂
1
先列候选，不先下结论 — 把手能改的因素列成一张表（咖啡 · 酒 · 晚餐时间 · 睡前屏幕 · 当晚最后一件脑力活），别从最可疑那个开始
2
只问「哪个最同步」，不问「为什么」 — 让 AI 排相关强弱，并明确禁止它给因果解释
3
先做减法：能排除的先排除 — 小样本排不掉一个原因，但足够排掉一个猜测
4
剩下的才做单变量改动 — 一次只改一个，其余不动，两周后再看同一个指标
5
样本不够就只排除不确认 — 十个夜晚以下，任何「最强相关」都只是线索，不是结论
原理 · 为什么有效
为什么顺序必须是「先排除」：人一旦先认定原因，后面所有的数据都会被读成确认 —— 睡好那晚你会说「看，果然是没喝咖啡」，睡差那晚你会说「可能是别的事」。而排除是单向动作，它不需要你相信任何解释：只要这一列数字与结果不同步，你就可以先把这条猜测从清单上划掉。小样本能支持的最强结论就是「不同步」，而这恰好是最省时间的那一类结论 —— 它让你不必为一个假原因改变生活。相对地，小样本几乎不可能支持「同步 ⇒ 所以是它」，因为同步可能只反映第三件事（比如加班那几天既喝了咖啡又聊得晚）。这也是为什么第 5 条要把「确认」这一半留到样本足够之后。
适用场景
适用：有一个明确想改善的指标（睡眠时长 / 夜醒次数 / 晨起状态）· 手上已有设备数据或愿意每天记两三个数 · 已经怀疑某个原因但没验过的人。
⛔ 不适用：有明显症状需要就医的（长期失眠 · 呼吸暂停怀疑 · 白天不可控地入睡）—— 那要先看医生，⛔ 不靠回归找原因。
⚠️ 前提：候选因素要能记成数字或次序（喝了 / 没喝、几点、几杯），否则排不出相关。
自测 · 5 问
我能马上说出这次想改善的那一个指标吗（不是「睡得更好」这种笼统说法）？
候选因素我列了几条？少于三条说明还没到能筛的地步，多于八条说明该先合并同类。
我手上已经有几天的数据？不到十天的话，我这轮只做排除，不打算确认任何原因。
我是不是已经有一个「确定的原因」了？如果是，先写下它 —— 这一轮的重点就是看它会不会被排掉。
改的时候我能不能做到只改一个？如果这周还打算同时换枕头、调室温、戒咖啡，那这轮不算数。
怎么上手 · 验证步骤
第一次别想着把所有变量都筛一遍。只做一步：把最近三周能记起来的因素写成一张表（列名 = 因素，行 = 每天），目标指标放最后一列，然后让 AI 只做一件事 —— 按「与目标指标的同步程度」排序，并逐条标注「依据是哪几天的数字」。然后你只处理排在最前面的那条里「能排除」的那一个猜测：如果它排最后，直接划掉，别改。剩下要改的，按第 4 条一次只改一个。两周后回看同一个指标：动了就说这一条值得继续，没动就换下一条 —— ⛔ 不要因为「感觉好一点」就同时加第二条。
自检动作：这一轮结束后，在纸上写三行 —— ① 被我排除掉的是哪一条，依据是哪几天 ② 我改动的是哪一条，其他有没有真的没动 ③ 两周后那个指标动了多少（写数字，不写「好一些」）。三行都写得出来，说明这是一次筛选；只写得出第三行，说明还是凭感觉在试。