因果推断入门：从相关到因果

你已经能熟练训练一个预测模型：给定用户特征，预测他会不会流失；给定历史销量，预测下个月卖多少。但当你被问到「如果我把价格降低 10%，销量会涨多少」或者「是这款推荐算法真正带来了转化，还是本来就想买的人恰好点了它」时，相关性的模型就哑火了。预测是「看（seeing）」，而因果是「做（doing）」——这是两件完全不同的事。

本篇面向已经掌握机器学习基础、想进一步理解因果建模的工程师与研究者，依次讲清四件事：为什么相关不等于因果（含辛普森悖论）、两大理论支柱（Rubin 的潜在结果框架与 Pearl 的 do-operator）、三种主流识别策略（随机实验、工具变量、双重差分），最后用 DoWhy 在一个小数据集上实测因果效应估计。

潜在结果框架（Rubin）与干预 do-operator（Pearl）

因果推断有两条常被并列讲述的理论主线，它们说的是同一件事的两种方言。

Rubin 潜在结果框架（Potential Outcomes）

对每一个样本 i，设想它有两种「潜在」状态：接受治疗（treatment，记作 1）时的结果 Y_i(1)，与未接受治疗（control，记作 0）时的结果 Y_i(0)。个体因果效应定义为二者之差：

个体处理效应  τ_i = Y_i(1) - Y_i(0)
平均处理效应  ATE = E[ Y_i(1) - Y_i(0) ]
条件平均处理效应  CATE(x) = E[ Y_i(1) - Y_i(0) | X_i = x ]

这里的核心困难叫「因果推断的基本问题（Fundamental Problem of Causal Inference）」：现实中每个样本只能处在一种状态下，我们永远同时观察不到 Y_i(1) 和 Y_i(0)，缺的那个就是「反事实（counterfactual）」。因果推断的全部努力，就是用一群人的「事实」去估计另一群人的「反事实」，再相减得到效应。

「可忽略性（ignorability）」是框架里的关键假设：在控制了混淆变量 X 之后，分配治疗与否与潜在结果独立，即 (Y(1), Y(0)) ⟂ T | X。满足它，才能用观测到的条件均值之差去逼近真实 ATE。

Pearl 的 do-operator 与因果图

Judea Pearl 用「因果图（DAG，有向无环图）」和「do-operator」给出另一套语言。因果图里每个变量是一个节点，箭头 -> 表示因果方向，例如：

混淆变量 X  ->  处理 T  ->  结果 Y
      \_______________/
      （X 同时影响 T 与 Y，形成后门路径）

do(T=1) 表示「人为把处理设为 1」的外生干预：它像一把剪刀剪断所有指向 T 的边，再强制 T 取 1，于是我们只看 T 对 Y 的纯粹拉动。这是和「条件概率 P(Y|T=1)」最本质的区别——后者只是观测筛选，前者是主动改变世界。

Pearl 据此提出「因果阶梯（Ladder of Causation）」，由低到高分三层：

第一层 关联 Association（见 seeing）：   X 与 Y 是否相关？  工具：相关、回归
第二层 干预 Intervention（做 doing）：   若 do(X)，Y 如何变？  工具：do-calculus、后门准则
第三层 反事实 Counterfactual（想象 imagining）： 若当时 X 不同，会怎样？  工具：结构因果模型 SCM

传统机器学习几乎全部停在第一层；因果推断的野心是从第二层往上走。

来源核验：Pearl 的因果阶梯三层划分（Association / Intervention / Counterfactual）及其对应的「see / do / imagine」能力，经维基百科 The Book of Why 词条核验（已核验）；do-calculus 与 front-door criterion 用于第二层干预效应识别亦在该词条确认。Rubin 潜在结果框架（Rubin causal model / potential outcomes）作为社科与流行病学中推断因果性的标准，经维基百科 Causal inference 词条核验（已核验）。

三种因果识别策略：随机实验、工具变量、双重差分

当可忽略性不成立（存在未观测混淆）时，朴素的条件均值之差会偏。下面三种策略各自用一种「巧妙设计」来绕开混淆，得到可信的因果效应。

1. 随机实验（Randomized Experiment / RCT）

最干净的做法：用随机数把样本分到处理组与对照组，使得处理分配 T 与任何混淆（观测的或不可观测的）都独立。这样 E[Y|T=1] - E[Y|T=0] 直接等于 ATE，不需要调整任何变量。代价是贵、慢、有时不道德（不能随机让人吸烟）。它是因果效应的「黄金标准」，也是线上 A/B 测试的理论根基。

2. 工具变量（Instrumental Variable, IV）

当无法随机化、且存在未观测混淆时，找一个「只通过影响 T 来影响 Y、且不直接影响 Y」的变量 Z 作为工具。Z 必须与 T 强相关，但只能通过 T 作用于 Y（排除限制）。直观上：Z 造成的 T 的变动是「外生」的，像一次自然随机化，于是可以用 Z 对 T 的外生变异去识别 T 对 Y 的效应。

典型例子：估计教育年限对收入的影响，用「就近学校的距离」或「出生季度」作工具——它们影响上学时长，却不直接影响收入。
局限：有效工具很难找，弱工具会放大偏差。EconML 提供了 OrthoIV、NonParamDMLIV 等基于机器学习的 IV 估计器。

3. 双重差分（Difference-in-Differences, DiD）

当只有「处理组 vs 对照组」且只在「政策前后」有观测（面板/纵向数据），且两组在若无处理时本就平行变化（平行趋势假设），可用两期相减再相减来消去不随时间变的混淆：

DiD 效应 = (处理组后 - 处理组前) - (对照组后 - 对照组前)
        = 处理组的变化量  -  对照组自发的变化量

核心假设是「平行趋势」：若没有处理，两组随时间的变化应当一致，于是对照组的变化量代理了处理组的「反事实」变化。它常用于评估政策、上线新功能对整体指标的影响。

三种策略一句话对比：随机实验靠「人为随机」、工具变量靠「外生工具」、双重差分靠「平行趋势」，本质都是用一个可信的「反事实构造法」替代观测不到的缺失状态。

实战：用 DoWhy 估计因果效应

下面用一个极小数据集演示端到端因果估计。场景：课外辅导 tutoring 是否提升期末成绩 exam_score，存在混淆变量「先验基础 prior_ability」。我们造数据时把真实 ATE 设为 3，看 DoWhy 能否把它估回来。DoWhy 的四步工作流是 model、identify、estimate、refute。

import numpy as np
import pandas as pd
from dowhy import CausalModel

  # 设定随机种子，保证结果可复现
np.random.seed(42)
n = 500

  # 混淆变量：学生的先验基础，同时影响是否参加辅导与考试成绩
prior_ability = np.random.normal(0, 1, n)

  # 处理变量：是否参加课外辅导，受先验基础影响（存在混淆）
tutoring = (prior_ability + np.random.normal(0, 1, n) > 0.5).astype(int)

  # 结果变量：期末考试成绩；真实平均处理效应 ATE = 3
exam_score = 3 * tutoring + 2 * prior_ability + np.random.normal(0, 1, n)

data = pd.DataFrame({
    "prior_ability": prior_ability,
    "tutoring": tutoring,
    "exam_score": exam_score,
})

  # 用 GML 描述因果图：prior_ability 同时影响 tutoring 与 exam_score
graph = """
digraph {
    prior_ability -> tutoring;
    tutoring -> exam_score;
    prior_ability -> exam_score;
}
"""

  # I. 建模：把数据、处理变量、结果变量与因果图喂给 CausalModel
model = CausalModel(
    data=data,
    treatment="tutoring",
    outcome="exam_score",
    graph=graph,
)

  # II. 识别：在给定因果图下求解因果效应的可识别估计量
identified_estimand = model.identify_effect()

  # III. 估计：用后门线性调整估计平均因果效应 ATE
estimate = model.estimate_effect(
    identified_estimand,
    method_name="backdoor.linear_regression",
)

print("估计得到的平均因果效应 ATE:", estimate.value)

  # IV. 反驳：用随机公共原因等稳健性检查验证估计是否可靠
refute = model.refute_estimate(
    identified_estimand,
    estimate,
    method_name="random_common_cause",
)
print(refute)

运行后你会看到估计的 ATE 接近 3，与造数据时埋入的真值吻合，说明后门调整正确地消去了 prior_ability 带来的混淆。如果把 method_name 换成 backdoor.propensity_score_matching，或用 EconML 的 backdoor.econml.dml.DML 估计条件效应 CATE，就进入了异质性处理效应分析。关键不是某个估计器，而是前面那张因果图与 identify 步骤——DoWhy 的与众不同之处在于「先把假设写清楚，再用 refute 去打自己的估计」。

来源核验：DoWhy 的「model / identify / estimate / refute」四步工作流、核心类 dowhy.CausalModel、以及支持 backdoor.propensity_score_matching 与 backdoor.econml.dml.DML（集成 EconML）等估计方法，经 DoWhy 官方 GitHub 仓库 README 核验（已核验）。EconML 由微软研究院 ALICE 项目构建、现属 PyWhy 生态，专注异质性处理效应（CATE）估计，提供 Double Machine Learning、Causal Forest、Doubly Robust Learner 等估计器，经 EconML 官方 GitHub 仓库 README 核验（已核验）。

小结

回到开头两个问题，一句话收束：

相关不等于因果：混淆会让「合并看」与「分层看」结论相反（辛普森悖论），相关性回答不了「做了 X 会怎样」。
两大理论支柱：Rubin 潜在结果框架用 Y(1) - Y(0) 定义效应，难点是反事实永远观测不到一半；Pearl 用因果图与 do() 干预把这个问题变成「剪断入边后 Y 怎么变」，并给出从关联到反事实的三层因果阶梯。
三种识别策略：随机实验靠人为随机、工具变量靠外生工具、双重差分靠平行趋势，本质都是可信地构造反事实。
工程落地：DoWhy 把「先画因果图、再识别、再估计、最后用 refute 反驳」流程化，让你把机器学习的预测能力升级为可干预、可解释的因果效应估计。

什么时候该用？A/B 之外想量化「如果……会怎样」的任何场景：定价、补贴、推荐策略、政策评估、增长率归因。只要问题里出现「导致」「如果」「反事实」，你就该离开纯相关模型，换上因果这副眼镜。

参考与延伸阅读

Pearl, J. 与 Mackenzie, D.《The Book of Why: The New Science of Cause and Effect》，Basic Books，2018（因果阶梯三层划分与 do-calculus 的出处；已核验，经维基百科 The Book of Why 词条核验）。
Rubin, D. B. 潜在结果框架（Rubin causal model / potential outcomes），作为社科与流行病学因果推断标准（已核验，经维基百科 Causal inference 词条核验）。
DoWhy 官方 GitHub 仓库（已核验）：因果推断库，四步工作流 model / identify / estimate / refute，核心类 dowhy.CausalModel，支持后门调整、工具变量、DML 等估计方法。
EconML 官方 GitHub 仓库（已核验）：微软研究院 ALICE 项目构建、现属 PyWhy 生态，提供 DML、Causal Forest、Doubly Robust 等异质性处理效应估计器。
Imbens, G. W. 与 Rubin, D. B.《Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction》，Cambridge University Press，2015（潜在结果框架的系统教材；待核实，本文未做 WebFetch 核验，建议引用前自行核对）。
辛普森悖论（Simpson’s paradox）的标准例子与分层反转机制（待核实，本文未做 WebFetch 核验，建议引用前自行核对）。
Angrist, J. D. 与 Pischke, J. S.《Mostly Harmless Econometrics》，Princeton University Press，2009（工具变量与双重差分的计量经济学入门；待核实，本文未做 WebFetch 核验，建议引用前自行核对）。

本文累计阅读 — 次