1 基本概念
因果推断研究的是“原因是否导致结果”这一问题。与一般的数据分析相比，它不仅关心变量之间是否同向变化，还关心某种干预、暴露或处理是否真正改变了结果的发生概率、大小或路径。由于现实世界中的过程往往同时受到多种因素影响，因果推断通常需要借助实验、统计模型和理论假设来接近这种关系。
1.1 因果关系与相关关系
相关关系描述的是两个变量在统计上共同变化的现象，例如某地区气温升高时冰淇淋销量也上升。因果关系则进一步要求，一个变量的变化会在机制上引起另一个变量变化。相关并不自动意味着因果，因为二者可能受到第三个因素共同影响，也可能只是偶然伴随。
在实际研究中，相关关系常常是因果研究的起点，但不能作为结论本身。因果推断的关键任务，是区分“表面上的共现”与“真实的影响”。
1.2 反事实与潜在结果
反事实问题指的是：如果同一个对象在相同条件下接受另一种处理，结果会怎样。由于一个对象在同一时刻只能处于一种状态，反事实结果无法直接观测，因此需要通过比较不同对象、不同时间或不同情境下的结果来近似。
潜在结果框架将每个个体在不同处理条件下可能出现的结果视为“潜在值”。例如，一个人接受治疗时的恢复情况与不接受治疗时的恢复情况都可以被定义，但实际只能观测到其中一个。因果推断正是围绕如何估计这种不可同时观察的差异展开。
1.3 干预与处理效应
干预是指主动改变某个因素的状态，例如施加药物、引入政策或改变系统参数。处理则是研究中被关注的“有无某种行动”的状态，处理效应则衡量处理对结果的影响大小。
处理效应可以针对个体，也可以针对群体。个体层面的效应强调单个对象在不同状态下的差异，群体层面的效应则通常表现为平均影响。不同研究场景下，研究者会根据问题需要选择不同的效应定义。
1.4 因果推断的研究目标
因果推断的核心目标包括识别因果方向、估计效应大小、解释作用机制以及预测干预后果。很多应用并不满足于知道“有没有用”，还希望知道“对谁更有效”“通过什么路径发挥作用”“在什么条件下更稳健”。
在实践中，因果推断常用于政策评估、药物试验、教育干预、产品优化和工程控制等场景。其价值在于帮助研究者从描述性分析走向可行动的决策依据。
2 理论基础
因果推断建立在统计学、科学哲学和形式化模型三类基础之上。统计学提供估计与不确定性处理工具，科学方法强调可验证性与可重复性，而因果模型则为“如何从数据中表达因果结构”提供了统一语言。
2.1 统计学基础
统计学为因果推断提供了抽样、估计、检验和不确定性量化的基本工具。由于观测数据通常带有噪声和偏差，因果分析必须考虑误差传播、置信区间和假设检验等问题。
2.1.1 概率与随机变量
概率用于描述不确定性，随机变量则用来表示可观测结果及其分布。因果推断中的许多结论都以概率语言表达，例如“在某条件下，处理使结果发生的概率提高了多少”。
通过随机变量，可以把个体差异、样本波动和观测误差纳入统一框架。这样既能描述平均效应，也能讨论结果分布的变化。
2.1.2 估计与推断
估计是根据样本数据推测总体参数或效应大小，推断则是在估计基础上判断结果是否具有统计可信度。因果研究中常见的估计对象包括平均处理效应、条件效应和异质性效应。
推断过程通常伴随标准误、置信区间和显著性检验。与普通预测不同，因果推断更关注估计量是否具有可解释的干预含义。
2.2 因果哲学与科学方法
因果推断不仅是技术问题，也涉及对科学解释方式的理解。它强调从经验观察中建立可以被检验、可以被修正的因果判断，而不是仅停留在经验归纳层面。
2.2.1 可证伪性与可重复性
可证伪性要求一个因果主张能够被数据和实验反驳，而不是永远无法检查。可重复性则强调在相似条件下，研究结果应当具有一致性。
这两点对于因果研究尤其重要，因为复杂系统中常会出现偶然相关、模型过拟合或样本偏差。只有在可证伪和可重复的约束下，因果结论才更具可信度。
2.2.2 机制解释与经验验证
机制解释关注因果作用是如何发生的，例如某种药物通过抑制炎症反应改善症状。经验验证则通过数据和实验检验这一解释是否成立。
二者并不对立。机制解释提供理论方向，经验验证提供现实约束；当二者一致时，因果结论通常更稳固。
2.3 因果模型框架
因果模型为因果推断提供形式化表达，使得“假设、识别和估计”能够在统一框架内进行。常见框架包括潜在结果框架和结构因果模型。
2.3.1 潜在结果框架
潜在结果框架把每个单位在不同处理条件下可能出现的结果作为分析对象。其优势在于定义清晰，特别适合讨论处理效应、平均效应和随机试验。
该框架的核心难点在于反事实不可直接观测，因此需要通过设计或假设来弥补信息缺失。许多现代估计方法都建立在这一框架上。
2.3.2 结构因果模型
结构因果模型通过变量之间的函数关系和图结构来描述因果生成过程。它不仅说明变量之间可能存在什么关系，还说明在外部干预下系统如何变化。
这种框架适合处理复杂系统、路径分析和变量间依赖结构。它常与因果图配合使用，以明确混杂、中介和路径阻断问题。
3 因果识别
因果识别关注的是：在给定数据和假设条件下，能否把真正的因果效应从观测关联中分离出来。识别是因果推断中的关键步骤，先于具体估计方法。
3.1 识别问题的定义
识别问题是指，能否仅凭观测数据和合理假设，唯一确定某个因果量。即使样本足够大，如果模型结构或信息条件不足，因果效应仍可能无法识别。
因此，识别并不等同于计算。一个可计算的统计量未必对应真实因果效应；而只有在识别成立时，后续估计才有明确意义。
3.2 混杂因素与偏差来源
混杂因素是同时影响处理和结果的变量，会让表面关联偏离真实效应。例如，健康意识既可能影响是否锻炼，也可能影响健康水平。
偏差来源还包括选择机制、测量误差、样本截断和时间顺序混乱等。识别因果关系时，需要尽可能控制这些干扰因素，否则估计结果容易失真。
3.3 可识别性条件
可识别性条件是让因果效应能够从数据中恢复出来的前提。不同方法依赖的条件不同，但通常都要求处理分配机制、样本覆盖范围和个体干预独立性具备一定约束。
3.3.1 可忽略性假设
可忽略性假设指在控制已观测变量后，处理分配与潜在结果之间不再存在系统关联。换句话说，未控制变量不再提供额外混杂信息。
这一假设在观察性研究中尤为关键，但也最难严格证明。研究者通常通过设计、背景知识和敏感性分析来支持其合理性。
3.3.2 重叠性假设
重叠性假设要求在每种协变量条件下，个体接受不同处理的概率都不能为零或一。若某些人群几乎不可能接受某种处理，就难以进行公平比较。
这一条件保证了数据中有足够的“可比对象”，从而支持效应估计。若重叠性不足，研究常需要重新定义样本范围或调整模型。
3.3.3 稳定单元处理值假设
稳定单元处理值假设通常包含两个含义：一个单位的结果只受自身处理影响，不受他人处理干扰；同一种处理对所有单位具有一致定义。它是许多经典因果方法的重要前提。
在现实中，网络效应、传染效应或群体互动会破坏这一假设。因此，在存在相互影响的系统中，需要更复杂的模型来处理溢出效应。
4 研究设计
研究设计决定了因果分析的数据来源与识别强度。良好的设计往往比复杂的模型更重要，因为它直接影响偏差大小和结论可信度。
4.1 随机对照试验
随机对照试验通过随机分配处理与对照，尽量消除混杂因素，是因果推断中最经典、最有力的设计之一。它特别适合评估治疗、干预和产品改动的效果。
4.1.1 实验分组与随机分配
实验分组是将研究对象分为处理组和对照组，随机分配则保证各组在平均意义上具有可比性。这样一来，已知和未知混杂因素都更可能被平衡。
随机化并不意味着结果完全无差异，而是意味着差异更可能来自处理本身。其优势在于能够显著增强因果解释力度。
4.1.2 对照组与安慰剂
对照组用于提供参照基线，帮助判断处理带来的增量效果。安慰剂则常用于医学或心理研究，以区分真实作用与期待效应。
通过与对照组比较，研究者可以更清楚地区分自然波动和处理影响。这种设计也有助于减少主观判断造成的偏差。
4.2 准实验设计
准实验设计在缺乏完全随机化的情况下，利用外生变化、制度规则或阈值结构来近似实验。它是观察性环境中重要的因果识别工具。
4.2.1 双重差分法
双重差分法通过比较处理前后、处理组与对照组之间的变化差异来估计政策效果。其核心思想是用“差中的差”抵消共同趋势。
这种方法广泛用于政策评估和自然实验分析。但它依赖平行趋势等条件，如果趋势假设不成立，结果可能失真。
4.2.2 断点回归设计
断点回归设计利用一个明确阈值附近的个体进行比较，例如分数刚过线与刚未过线的人。若阈值附近的个体基本随机分布，则可以近似得到局部因果效应。
这种方法在教育、福利和资格审核等场景中较为常见。它的优点是识别直观，但结论通常只适用于断点附近。
4.2.3 工具变量法
工具变量法借助一个只通过处理影响结果、而不直接影响结果的外部变量来识别因果效应。该变量相当于提供了一种外部推动。
工具变量法适合处理内生性问题，例如自我选择或逆向影响。但找到合适工具变量往往很困难，因为它必须满足相关性与排除限制等条件。
4.3 观察性研究设计
观察性研究不主动分配处理，而是在自然发生的数据中寻找因果线索。由于缺少随机化，这类研究更依赖统计调整和设计优化。
4.3.1 匹配方法
匹配方法通过寻找在协变量上相似的处理组和对照组个体进行比较。其目标是提高可比性，尽量减少样本间结构差异。
常见做法包括最近邻匹配、分层匹配和精确匹配。匹配后若平衡性改善，因果估计通常更可靠。
4.3.2 倾向得分方法
倾向得分是个体接受处理的概率，在已观测协变量条件下估计得到。利用倾向得分，可以把多维协变量压缩为单一指标，简化比较。
它常用于匹配、分层和加权分析。其优点是便于处理高维协变量，但前提仍是重要混杂因素已被充分观测。
4.3.3 加权方法
加权方法通过对样本赋予不同权重，使处理组与对照组在协变量分布上更接近。常见思路包括逆概率加权和稳定权重构造。
这种方法可以改善平衡性，并支持对目标总体进行推断。不过，若某些样本权重过大，估计方差也可能随之增大。
5 估计方法
在识别条件成立后，估计方法负责从数据中计算因果效应及其不确定性。不同方法在稳健性、可解释性和适用场景上各有优势。
5.1 平均处理效应估计
平均处理效应是最常见的因果量之一，表示处理对总体平均结果的影响。它有助于回答“总体上有没有效果”这一问题。
估计平均处理效应时，研究者通常会根据数据结构选择实验估计、回归调整或加权估计。该指标简单明了，因此应用最广。
5.2 回归分析与控制变量
回归分析通过在模型中加入控制变量来调整混杂影响，从而估计处理系数。它是实践中最常见的估计方法之一，适用于连续、二元和部分计数结果。
不过，回归结果的因果含义依赖模型设定是否正确。若遗漏重要变量或函数形式设定不当，控制并不能自动消除偏差。
5.3 倾向得分估计
倾向得分估计是围绕处理概率进行的一类方法，常用于处理非随机分配问题。它通过平衡协变量分布来构造更合理的对比样本。
与直接回归相比，倾向得分方法更强调样本可比性而非单纯参数拟合。实际应用中，常结合匹配、分层或加权共同使用。
5.4 机器学习与因果推断
机器学习能够处理高维变量、复杂非线性和异质性结构，因此越来越多地被用于因果推断。但机器学习的预测优势不能自动转化为因果识别能力。
5.4.1 因果森林
因果森林是一种用于估计个体化处理效应的树模型方法。它通过分割样本并寻找效应异质性，识别不同人群对处理的反应差别。
该方法适合发现“谁更受益”或“谁受影响更大”之类的问题。它强调局部结构，在个体差异明显的场景中表现较好。
5.4.2 双重机器学习
双重机器学习将机器学习用于高维控制变量估计，同时通过正交化思路减少估计偏差。它常用于处理大量协变量且关系复杂的情形。
其优势在于兼顾灵活性和因果解释力。通过将“预测任务”和“因果任务”分离，可以更稳健地估计目标参数。
5.4.3 元学习器
元学习器是一类利用多个基学习器构建个体化处理效应估计的方法。不同版本常侧重不同的数据结构和目标量。
这类方法适合处理复杂异质性和非线性关系。研究者可根据样本规模、噪声水平和任务目标选择相应方案。
5.5 贝叶斯因果推断
贝叶斯因果推断将先验知识与观测数据结合，用概率分布表达因果效应的不确定性。它特别适合样本较小、结构知识较强或需要整合外部信息的场景。
贝叶斯方法的优势在于能够自然处理参数不确定性和层级结构。对于复杂问题，它还便于进行后验预测和模型比较。
6 偏差与误差
偏差和误差是因果研究中必须面对的问题。即使研究设计合理，数据采集、样本形成和测量过程仍可能引入系统性偏离。
6.1 选择偏差
选择偏差指样本进入研究的机制与处理或结果相关，从而使样本不再具有代表性。例如，只有某类人愿意参与调查，就可能导致估计偏离总体。
这种偏差会影响推断的基础，使结果难以推广到更广泛人群。处理选择偏差通常需要设计修正或统计校正。
6.2 测量误差
测量误差是指变量记录值与真实值之间存在偏离。若误差出现在处理、结果或协变量上，都会影响因果估计的准确性。
测量误差可能来自仪器不精确、问卷偏差或记录错误。其影响有时会减弱效应，有时则可能引入更复杂的系统偏差。
6.3 幸存者偏差
幸存者偏差指分析只看到了“留下来”的样本，而忽略了中途退出或消失的对象。这样得到的结论往往过于乐观或不完整。
这种偏差在长期跟踪研究、产品筛选和职业路径分析中较为常见。要避免它，需要同时关注退出机制和未观测样本。
6.4 反向因果
反向因果是指研究中被当作原因的变量，实际上也可能受到结果影响。它会使因果方向判断发生混淆。
例如，收入与健康之间可能互相影响，若不区分时间顺序，就容易误判。处理这类问题通常依赖时间设计、外生冲击或工具变量。
6.5 未观测混杂
未观测混杂是最棘手的偏差来源之一，指影响处理和结果的重要变量没有被记录或无法测量。即使模型中控制了很多变量，若关键因素缺失，偏差仍然存在。
对此，研究者常借助自然实验、敏感性分析、代理变量或更强的识别设计来缓解。完全消除未观测混杂通常非常困难。
7 因果图与可视化工具
因果图将变量之间的因果关系以图结构表达出来，帮助研究者直观识别路径、混杂和中介。它是现代因果推断中非常重要的辅助工具。
7.1 有向无环图
有向无环图由节点和有向边构成，且不允许存在回路。它通常用于表示变量之间的因果方向及依赖关系。
通过有向无环图，研究者可以更清楚地判断哪些变量需要控制，哪些变量不应控制。它在因果建模、变量选择和识别分析中用途广泛。
7.2 路径分析
路径分析用于研究变量之间沿着不同路径传递的影响，常关注直接效应与间接效应。它有助于拆解复杂因果链条。
在实际研究中，路径分析常用于说明某种干预如何通过中介变量影响结果。它特别适合机制研究和结构性解释。
7.3 后门准则
后门准则是一种判断需要控制哪些变量的图论规则，目的是阻断处理与结果之间的非因果路径。满足后门准则后，处理效应通常可被识别。
它为变量选择提供了形式化依据，避免“控制过多”或“控制不当”。在复杂系统中，这一准则非常实用。
7.4 前门准则
前门准则用于在特定条件下通过中介变量识别因果效应。它适用于存在未观测混杂、但中介路径可被充分观察的情形。
与后门准则相比，前门准则更依赖中介结构的完整性。若条件成立，它能够在较强限制下恢复因果效应。
8 典型应用
因果推断已广泛应用于多个学科。其共同特点是：不仅要描述现象，还要评估“如果改变某项因素，结果会怎样”。
8.1 医疗与流行病学
在医疗研究中，因果推断用于评估药物疗效、治疗方案和风险因素。流行病学则常借此分析暴露与疾病之间的关系。
由于医学场景中伦理和随机化限制较多，观察性研究尤为常见。因果方法可帮助从复杂临床数据中提取更可靠的结论。
8.2 经济政策评估
经济学中常用因果推断评估税收、补贴、最低工资、培训项目等政策效果。研究者关心的不只是平均影响，还包括分配效应与长期后果。
准实验设计在这一领域尤其常见，因为很多政策无法随机实施。因果推断因此成为政策分析的重要工具。
8.3 教育干预研究
教育研究中，因果方法用于评估教学法、课程改革、奖学金和辅导项目的效果。研究重点常包括成绩提升、持续学习和行为改变。
由于学生背景差异显著，研究设计需要尽量控制家庭、学校和个体层面的混杂因素。这样才能更准确判断教育干预的真实价值。
8.4 工程系统优化
工程领域常利用因果推断分析系统参数变化对性能、稳定性和能耗的影响。它可用于制造流程优化、控制策略调整和故障诊断。
在复杂系统中，单纯相关分析往往不足以指导设计。因果方法能帮助工程师区分“偶然波动”与“真正可调节因素”。
8.5 互联网产品实验
互联网产品常通过实验评估界面改动、推荐策略、促销规则或功能更新的效果。因果推断使A/B测试能够更加系统地解释用户行为变化。
这类实验通常样本大、反馈快，适合精细化评估。但在多版本并行、用户互相影响或长期留存分析中，因果问题也会变得更复杂。
9 评价与验证
因果结论不仅要能估计，还要能被验证和检验。研究评价的重点在于结果是否稳健、是否可推广、是否具有现实解释力。
9.1 稳健性检验
稳健性检验用于检查结论是否依赖某个特定模型、样本选择或参数设定。若在多种合理设定下结果一致，可信度通常更高。
常见做法包括替换控制变量、改变样本窗口、使用不同估计方法等。稳健性越强，结果越不容易被偶然因素左右。
9.2 敏感性分析
敏感性分析考察当关键假设轻微变化时，结论会受到多大影响。它尤其适用于存在未观测混杂或测量误差的研究。
通过敏感性分析，可以了解结果对假设违背的容忍程度。这有助于判断结论是“坚固”还是“脆弱”。
9.3 外部效度与内部效度
内部效度关注研究结论在样本内部是否可信，外部效度则关注结果能否推广到其他人群或环境。二者常常需要平衡。
一个设计非常严谨的实验，内部效度可能很高，但未必容易推广；反之，覆盖范围很广的观察研究，外部效度可能较好，但内部偏差也可能更大。
9.4 复现研究
复现研究是指在相似数据、方法或场景下重复验证先前结论。它是检验因果发现稳定性的关键方式之一。
如果不同研究者在不同样本中得到一致结果，结论通常更值得信赖。复现失败则可能提示模型设定、数据质量或研究设计存在问题。
10 局限与争议
尽管因果推断方法不断发展，它仍然面临理论、数据和伦理等方面的限制。许多争议并非来自技术本身，而是来自现实世界的复杂性。
10.1 因果假设的可检验性
许多因果方法依赖的关键假设无法直接验证，只能通过背景知识和间接证据支持。比如可忽略性、稳定性或平行趋势，往往不能被完全证实。
这使得因果推断在形式上很严谨，但在实践中仍保留一定主观判断空间。研究者需要清楚区分“证明”与“合理支持”。
10.2 数据质量与样本代表性
如果数据缺失严重、噪声很大或样本覆盖不均，因果结论就会受到影响。尤其在真实世界数据中，记录偏差和采样偏差十分常见。
样本代表性不足会限制结论推广，也可能改变效应估计方向。因此，数据质量始终是因果研究的基础条件。
10.3 模型依赖与解释边界
很多因果结果依赖具体模型设定、变量定义和识别策略。不同建模选择可能给出不同结论，这说明因果推断并非完全脱离模型。
此外，因果解释通常有边界。某些研究能回答“是否有效”，却未必能完整解释“为什么有效”或“在所有情境下是否都有效”。
10.4 伦理问题与研究规范
因果研究涉及对人群、组织或系统施加干预，因此必须考虑伦理约束。尤其在医学、教育和社会实验中，不能为了识别因果而忽视受试者权益。
研究规范通常要求知情同意、风险控制、数据保护和透明报告。规范越完善，因果结论越具有社会可接受性与长期价值。