因果推断入门

"相关不等于因果"是统计学中最重要也最容易被忽视的原则。理解因果关系——而不仅仅是相关关系——是科学推理、政策制定和日常决策的基础。因果推断提供了从数据中识别因果关系的严格框架，它正在改变经济学、医学、社会科学和人工智能的研究范式。掌握因果推断不仅是统计学家的技能，更是每个现代公民的必备素养。

相关不等于因果#

冰淇淋销量与溺水事件是经典的虚假相关例子：数据显示两者高度正相关，但没有人会认为吃冰淇淋导致溺水。真正的共同原因是夏季高温——高温既增加了冰淇淋消费，也增加了游泳活动，从而增加了溺水风险。这种共同原因被称为混杂因素（confounding factor）。识别和控制混杂因素是因果推断的核心任务。

这种虚假相关在生活中比比皆是：鞋码与阅读能力相关（因为儿童鞋码小、阅读能力也低）；教堂数量与犯罪率相关（因为大城市两者都多）；有机食品销售与自闭症诊断相关（因为两者都随时间增长）。这些例子说明，仅仅基于相关性做出因果推断是危险的——错误的因果推断可能导致错误的政策和个人决策。在大数据时代，这种虚假相关变得更加普遍：当数据维度足够高时，总能找到统计上显著但毫无意义的相关性。

更微妙的是辛普森悖论（Simpson's paradox）：在分组数据中呈现的相关性可能在合并数据后反转。Berkeley 大学研究生录取数据显示，总体上男性录取率高于女性，但大多数院系中女性录取率高于男性。这是因为女性倾向于申请竞争更激烈的院系。这个悖论说明，不考虑混杂因素的统计分析可能导致完全错误的结论。辛普森悖论是因果推断最有力的动机之一。

Rubin 因果模型#

Donald Rubin 的潜在结果框架（potential outcomes framework）为因果推断提供了严格的数学基础。对于每个个体，存在两个潜在结果：接受处理的结果 Y(1) 和未接受处理的结果 Y(0)。处理的个体因果效应就是 Y(1) - Y(0)。这个框架的优雅之处在于，它将因果问题转化为缺失数据问题。

问题在于根本问题（fundamental problem of causal inference）：对于任何个体，我们只能观察到其中一个潜在结果。一个人接受了药物治疗后康复，我们无法知道如果他没有接受治疗会怎样。这就像爱因斯坦说的："我们无法通过观察得知如果历史走另一条路会怎样。"因此，我们只能估计平均因果效应（Average Treatment Effect, ATE）——在人群中平均而言，处理的效果是什么。

Rubin 框架的核心是可忽略性（ignorability）假设：给定协变量 X，处理分配与潜在结果独立。这意味着，在控制了所有相关混杂因素后，处理分配就像随机的一样。这个假设是因果推断的关键，但无法从数据中验证——它必须基于领域知识或研究设计来论证。这就是为什么因果推断既是数学问题，也是科学判断问题。

Pearl 的因果图#

Judea Pearl 的结构因果模型（structural causal model）用有向无环图（DAG）表示因果关系。在 DAG 中，节点表示变量，箭头表示因果方向。Pearl 发展了 do-calculus——一套从观测数据中推断因果效应的数学工具，使因果推断从直觉艺术变成了严格科学。Pearl 因此获得2011年图灵奖——这是计算机科学的最高荣誉。

后门准则（backdoor criterion）识别了需要控制的混杂变量。如果一组变量 Z 阻断了处理变量和结果变量之间的所有"后门路径"（即非因果路径），那么在控制 Z 后，处理和结果之间的关联就是因果效应。这为"控制混杂因素"提供了精确的数学定义。后门准则回答了一个关键问题：在观测研究中，我们应该控制哪些变量？

前门准则（frontdoor criterion）处理无法直接控制混杂因素的情况。如果存在中介变量 M 满足特定条件，我们可以通过"处理→M→结果"的路径间接估计因果效应。Pearl 的框架将因果推断从"控制什么"的问题转化为"图结构是什么"的问题——因果假设变得明确和可检验。这种图形化的因果推理方法极大地简化了复杂因果关系的分析。

随机对照实验#

随机对照实验（Randomized Controlled Trial, RCT）是因果推断的黄金标准。通过随机分配处理，RCT 确保了处理组和对照组在所有可观测和不可观测的特征上都是可比的。这满足了 Rubin 框架的可忽略性假设，使得观测到的平均差异就是因果效应。随机化的威力在于，它不需要知道混杂因素是什么——它自动平衡了所有因素。

RCT 在医学（药物试验）、农业（肥料效果）、互联网（A/B测试）中有广泛应用。然而，RCT 面临伦理和实际限制：我们不能随机分配吸烟来研究肺癌，不能随机分配教育水平来研究收入效应。此外，RCT 的外部效度（generalizability）也面临挑战：实验环境中的效果可能不适用于真实世界。实验室中的行为可能与现实生活中的行为不同。

安慰剂效应是 RCT 需要处理的重要问题。在药物试验中，即使服用无效药物，患者也可能因为心理期待而感到好转。双盲设计——患者和医生都不知道谁接受了真药——就是为了控制这种效应。这说明因果推断不仅是统计问题，也涉及心理学和伦理学。安慰剂效应的存在提醒我们，因果关系的识别需要排除所有可能的替代解释。

自然实验与工具变量#

当 RCT 不可行时，自然实验（natural experiment）提供了替代方案。自然实验指的是自然界或政策变化中偶然产生的"准随机"处理分配。例如，兵役对收入的影响可以通过越南战争抽签号码来研究——抽签号码是随机的，但决定了是否被征召。自然实验的挑战在于，需要论证"准随机"分配确实是外生的。

工具变量（Instrumental Variable, IV）方法利用外生变异来估计因果效应。有效的工具变量必须满足三个条件：与处理变量相关、与混杂因素无关、只通过处理变量影响结果。Angrist 和 Imbens 因发展 IV 方法获得 2021 年诺贝尔经济学奖——他们的工作使因果推断成为现代经济学的核心方法。

经典的 IV 应用包括：用距离大学作为教育回报的工具变量（Card 1995）、用出生季度作为教育年限的工具变量（Angrist & Krueger 1991）。这些研究利用了影响处理分配但不直接影响结果的"外生冲击"，巧妙地解决了混杂问题。工具变量方法的哲学是：找到一个"自然的随机化"，替代人为的随机化。

断点回归与双重差分#

断点回归（Regression Discontinuity Design, RDD）利用处理分配的阈值。例如，考试分数刚好及格的学生与刚好不及格的学生非常相似，但是否及格可能导致截然不同的结果。通过比较阈值两侧的结果，可以估计及格的因果效应。RDD 被认为是仅次于 RCT 的第二强因果推断方法，因为阈值附近的"准随机"分配非常接近真正的随机化。

双重差分（Difference-in-Differences, DiD）比较处理组和对照组在处理前后的变化差异。它假设在没有处理的情况下，两组会有平行的趋势。DiD 广泛用于政策评估：最低工资法对就业的影响（Card & Krueger 1994）、移民对工资的影响、医疗改革对健康的影响。DiD 的优势在于它控制了时间不变的混杂因素和共同的时间趋势。

DiD 的关键假设是平行趋势：在没有干预的情况下，处理组和对照组会有相同的时间趋势。这个假设无法直接验证，但可以通过检验干预前的趋势来间接支持。如果干预前两组趋势不同，DiD 的估计就是有偏的。近年来，合成控制法（Synthetic Control Method）等新方法被开发出来，以在平行趋势不成立时提供更稳健的估计。

因果推断的应用#

因果推断在经济学中产生了革命性影响。Card 对移民劳动力市场影响的研究、Angrist 对教育回报的研究、Krugman 对贸易政策的研究，都依赖严格的因果推断方法。这些研究不仅改变了学术理解，也影响了政策制定。2021年诺贝尔经济学奖授予 Card、Angrist 和 Imbens，标志着因果推断方法在经济学中的核心地位。

在医学领域，RCT 是新药审批的标准流程。但观察性研究中的因果推断也越来越重要：基因组学中的孟德尔随机化、流行病学中的因果图、临床试验中的适应性设计。COVID-19 疫情中，因果推断方法被用于评估疫苗效果和封锁政策的影响。疫苗的紧急授权依赖于大规模 RCT 的因果证据。

在科技行业，A/B测试是因果推断的日常应用。Google、Facebook、Amazon 每天运行数千个实验，测试从按钮颜色到推荐算法的一切。这些实验直接影响产品决策和数十亿美元的收入。因果推断从学术工具变成了商业基础设施。硅谷的"数据驱动决策"本质上就是因果推断的工程化应用。

跨域连接#

• 临床试验：随机分配的价值在于不必知道混杂因素是什么，就能让处理与潜在结果独立；但它保证的是期望上的可比，不是每一次都平衡。代价还落在外部效度上——严格的入组标准让估出的效应只属于试验人群，推广出去需要另一套假设。
• 可信性革命：工具变量要同时满足相关性与排他性，而排他性无法由数据检验，只能靠制度知识论证。推论是同一个工具在不同情境下可能合法也可能不合法——争议因此集中在"故事"而非算术；工具越弱，有限样本偏差越大，样本量再大也不消失。
• 自然实验：断点回归依赖阈值附近的准随机分配，因而只识别阈值处的局部效应。推论是把断点估计当成全人群效应属于外推——若效应随分数变化，两者可以相差很多；带宽的选择直接影响结论，必须做敏感性检验。
• 统计学：把因果假设画成有向无环图后，"该控制哪些变量"变成图上的路径判断。控制中介变量或对撞变量反而制造偏差——这是"控制得越多越干净"这条直觉最常见的翻车点，图画错了再复杂的估计量也救不回来。
• 遗传与 DNA：基因型在受精时随机分配且先于生活方式，因此可以充当暴露的工具变量。它的合法性依赖多效性不存在——同一位点若经由别的通路影响结局，排他性就破了，这正是该方法的主要争议所在。

方法选择速查表#

参考文献#

1. Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press.
2. Pearl, J., & Mackenzie, D. (2018). The Book of Why: The New Science of Cause and Effect. Basic Books.