前面我们讨论了因果关系的发现、模型化、概念的变量表达及其实现手段（即设计）的问题，下一步实践化的主题是模拟实验和传达，使概念具现化。这一步以根据变量的概念验证为前提，那么我们就来看一看变量之间的关系。
如前文所述，在理解因果关系时，正确的做法是把设想、概念的要素分解为变量，我们把属于原因的要素称作“自变量”，属于结果的要素称作“因变量”。
自变量（A）（原因） 因变量（B）（结果）
这种关系可以表达为“在此条件下，A引起B”，正是它体现了概念的意义与价值。下面是两个经典的例子。
经济原因（A）决定社会结构（B）。（马克思）
非经济原因（宗教）（A）促进资本主义的形成（B）。（韦伯）
原因与结果、自变量A与因变量B之间有下面3个重要原则，如果无法同时满足，则因果关系不能成立。
（1）A变化，则B也变化（即共变关系）。
（2）A先于B发生（时间顺序，自变量发生在前）。
（3）只有A能引起B，其他原因不能（无关变量不引起变化）。
第一条原则类似于相关关系，即A的值升高则B的值也升高；第二条原则说的是原因必须发生在结果之前；对于理论概念来说，更重要的是第三条，即作为基本的验证方法，我们可以设置两组实验，只调节一组中被认为与因果相关的变量，另一组不变（控制组），在其他条件相同的情况下，因果关系就显现出来了。
此时我们需要排除伪关系（spurious relationship，又称虚假关系），找出真正的因果关系，这与追问概念的本质是相同的。眼见不一定为实，我们经常为表象所蒙蔽。例如，我们可以从下面的因果关系中设想什么样的概念呢？“某统计显示，鹳的数量与每年诞生的婴儿数量之间存在相关关系。鹳真的会给人类带来婴儿吗？”[4]我们仔细观察数据就会发现，城市与农村地区的出生率是不同的，而鹳主要生存在农村地区，所以真正影响出生率的主要原因应该是城市化。城市生活灯红酒绿，生育观念不再是传统的，而农村保留了相对传统的生活环境，且娱乐活动少于城市。因此，虽然城市里鹳的数量更少，出生率更低，但不是鹳影响婴儿数量。我们知道鹳不能送子，但是在日常的企业经营中，却常常犯类似的错误，要么生拉硬扯因果关系，像“全球化发展导致销售额下降”“当前宽带发展迅速，所以我们公司也进军这个行业吧”等，要么员工对上级隐瞒问题，报喜不报忧。
概念创造有时会宣传效果或设置前提，如“自然食品有益于健康”。比如有一个案例是这样的，有人说：“调查结果表明，职场中咖啡的消费量越高，心脏病的发病率越高（二者之间存在很强的相关关系）。”那么是不是不喝咖啡就不会得心脏病呢？16其实，职场人士得心脏病的真正原因是压力大。如图3-9所示，随着职务级别的提升，公司内外事务相应增加，对咖啡的需求也越来越大，同时工作压力加大，心脏病风险提高。因此，观察职务层级就会发现，压力的增大才是心脏病的发病原因，喝咖啡和得心脏病之间只是疑似关系。
图3-9 咖啡消费与心脏病之间的表面关系
顺便提一下，据咖啡专家说，市场上的生咖啡豆中混有缺陷豆，这给整个市场造成了不好的影响。由于不良栽培或管理不善，缺陷豆甚至会影响身体健康。所以要想享受咖啡本来的味道，就必须去除不好的咖啡豆，以上假设也许应改为“不喝品质不好的咖啡就不会影响健康”。
作者笔记
通过“关系”思考概念
有效进行理论化、模型化的方法是使用变量发现概念的关系，那么我们应该如何提取变量呢？以下是几个具体路径。
（1）从事物现象的差异中发现变量
某公司的产品（如录像带）的销路集中于特定领域（如体育、旅游），而从性别上看，每个领域的销量存在很大差异，这时，我们要思考其背后的原因是什么，或许可以使用“男女之间对于视觉体验的不同态度”这一变量。
（2）找出背后的基本变量
通过观察、思考，我们想出了若干个表达概念的词汇可以直接使用。但如果把多个变量放在一起看，就会发现它们背后还存在一贯的、更具普遍性的变量。例如某产品的不同型号的销路反映了“家庭结构”“收入”等属性变量的差异。
（3）通过组合创造新变量
在观察由假说得出的变量时，有时可能自相矛盾。一般认为家庭收入高则家庭成员受教育程度高，社会地位也高，但是在新兴行业，年轻人越来越多，这时我们就要考虑诸如“新生代意识增强”的变量。
（4）通过比较发现新变量
观察的结果是获得了多种不同的知识。在进行组织访谈时，面对“对于我们公司来说，重要的知识资产是什么”这一问题，大家仁者见仁，智者见智，这时我们应认识到不同的意见来自于不同的情况（各个部门都有各自的组织文化），思考为什么会产生这样的差异，或许可以提取出“不同部门的服务化程度”的变量。
（5）通过组合基本要素创造新变量
把若干个变量归拢到一起，在梳理事件的过程中产生新的变量。例如在国际采购业务中，信息技术资产的所有关系（属于本公司或从外部租赁）以及合同有效期等对于服务设计、合同等很重要，与此相关的基本变量要考虑客户企业与服务提供者之间的关系，二者“过程共享程度”的变量会影响收益。
除此之外，变量之间的因果关系（连接）也有几种基本模式（见图3-10）。
• 线性：随着X轴的数值增大，Y轴的数值呈正比例关系增大，或者相反，呈反比例关系减小。比如如果消费税是5%，销售额也呈线性增长。这就像出租车计费那样按里程数阶段性计费。
• 非线性：表现为吊钟型曲线，X轴的数值增大，在到达某一点前Y轴的数值也增大（或减小），随后开始减小（或增大）。这是类似于流行趋势的反复的曲线，反映出产品的生命周期等。
• 指数函数形：随着X轴数值的增大，Y轴数值急速增大（或减小）。例如，由于系统的构成要素增多，其复杂性急速升高，或由于客户信息的不对称，需求与供给的不平衡加剧。当市场上出现这种倾向时，“私人订制”可以解决问题。这是在重复周期性增减的同时不断增加（或减少）的曲线。
图3-10 理论概念连接的各种形态
以上变量间的关系为什么这么重要呢？因为它不仅把构成概念的变量作为要素列举了出来，还显示出这些变量为什么能构成概念，或是通过分析（假设）多个变量之间的关系，能够创造出更容易理解的概念。