因果推断是研究如何利用观测数据或实验数据估计干预、处理对结果所产生的因果效应的一类统计方法，它关心的不是变量之间是否相关，而是改变某个变量会使结果发生怎样的变化 [1][2]。其理论支柱是潜在结果框架与结构因果模型，前者把因果推断视为缺失数据问题，后者借助因果图与 do 算子刻画干预效应 [3]。它已被广泛应用于医学、公共卫生、经济学与政策评估 [1][4]。
定义
在统计学中，因果推断把“某种处理或干预施加于研究对象后结果会如何变化”表述为潜在结果框架下的问题。若处理变量取 1 表示接受处理、取 0 表示未接受处理，个体 $i$ 在两种情形下的潜在结果记为 $Y_i(1)$ 与 $Y_i(0)$，该个体的因果效应为 $\tau_i = Y_i(1) - Y_i(0)$，群体层面的平均因果效应为 $\mathrm{ATE} = E[Y(1) - Y(0)]$ [1][5]。
由于同一个体在同一时点只能处于一种处理状态，研究者只能观测到其中一个潜在结果，另一个反事实结果缺失，这被称为因果推断的根本问题 [6][5]。因此因果效应本身不可直接观测，只有在特定设计或假设之下才能被识别和估计 [1][2]。
背景
科学研究中的许多问题本质上是因果问题，例如某项政策是否提高了居民收入、某种暴露是否增加了患病风险 [7]。在因果推断方法成熟之前，研究者主要依靠关联分析，但相关并不等于因果：观察性数据中处理变量往往与结果的共同原因相关，这类共同原因称为混杂因素，忽略它会造成估计偏差，甚至产生辛普森悖论一类统计悖论 [7][2]。
在经济学等社会科学中，处理变量还常常与结果互为因果，观测到的相关性因而同时包含正反两个方向的影响 [4]。随机对照试验通过随机分组保证组间可比性，被视为识别因果效应的金标准，但它在时间、成本与伦理方面常受限制，很多问题上无法实施 [1][8]。
流行病学把是否采用随机分组视为实验研究与观察性研究的根本分界，随机分组实现的是组间可比性，而观察性研究控制混杂的困难正是其因果结论不够严密的症结 [9][8]。因果推断的方法体系正是在难以随机化的情形下，为尽量逼近实验条件而逐步建立起来的 [1]。
内容
当代因果推断主要有两套分析框架。以潜在结果为核心的鲁宾因果模型把因果推断看作用来处理缺失数据的问题，并把决定哪些个体接受处理的机制称为分配机制；内曼在 1923 年针对随机实验给出了这一表述的雏形，鲁宾将其推广到观察性研究，霍兰德在 1986 年为该模型命名 [1][3][10]。
另一套是由珀尔提出的结构因果模型，用有向无环图表示变量间的因果关系，并通过 do 算子、后门准则与前门准则等工具判断干预效应能否由观测数据识别；珀尔还把因果推理分为关联、干预与反事实三个层级，称为因果阶梯 [2][11]。
随机对照试验之所以能直接识别因果效应，是因为随机分配使处理组与对照组在潜在结果上可交换，两组结果之差可解释为处理的效应 [1][2]。使用观察性数据时，则须依赖若干无法直接检验的假设，包括研究对象干预值稳定性假设、在给定协变量后处理分配与潜在结果独立的可忽略性假设，以及每种协变量取值下都存在接受与不接受处理可能的重叠假设 [2][11]。
在这类假设下常用的估计方法包括倾向得分匹配、工具变量法、断点回归与双重差分等 [1][12]。倾向得分匹配由罗森鲍姆与鲁宾在 1983 年提出，其做法是把多个协变量压缩为一个倾向得分，再据此匹配、分层或加权，使处理组与对照组的协变量分布趋于接近 [1][12]。当处理随时间变化或需要刻画个体差异时，还会用到边际结构模型，以及以机器学习估计条件平均处理效应的方法 [11]。
以流行病学为例，研究者还提出目标仿真试验的思路：先在队列数据中明确一项假想随机试验的设计要素，再按该设计的入组、随访与分析口径进行模拟，以缓解队列研究中混杂控制困难的障碍 [8]。
影响与争议
因果推断的实证方法对经济学、流行病学等学科的研究范式产生了明显影响。2021 年瑞典皇家科学院将诺贝尔经济学奖授予戴维·卡德、约书亚·安格里斯特与吉多·因本斯，分别表彰其在劳动经济学实证研究以及因果关系分析方法论方面的贡献 [13][4][14]。
卡德与克鲁格利用新泽西州提高最低工资、邻近的宾夕法尼亚州未作调整这一自然实验，用双重差分方法估计最低工资对快餐业就业的影响，得出的结论与当时的主流看法不同；安格里斯特与因本斯则说明了从自然实验中究竟能得出哪一类因果结论，并引入局部平均处理效应等概念 [14][15]。
潜在结果框架也长期受到批评：有评论认为它并不直接刻画变量之间的因果结构，而是依赖于条件独立关系的假定，并且难以处理未观测变量 [16]。朱迪亚·珀尔一脉的有向无环图方法同样存在局限：图的绘制依赖研究者对研究问题的先验知识，因果关系复杂时可能出现多个候选图而难以判断取舍，而且在存在未测量混杂因素时，即使校正了最小充分集合仍可能有残余混杂，无法保证因果效应估计无偏 [17]。观察性因果推断还受到选择偏倚、缺失数据与外部效度等问题的制约 [1][7]。
参见
参考资料
- ·综述· . hep.com.cn [引用日期2026-09-27]
- 因果推断三种分析框架及其应用综述 . ustb.edu.cn [引用日期2026-09-27]
- PROJECT MUSE* . jhu.edu [引用日期2026-09-27]
- 第 35 卷 第 5 期 . nsfc.gov.cn [引用日期2026-09-27]
- cambridge.org 上的网页 . cambridge.org [引用日期2026-09-27]
- CAMBRIDGE . cambridge.org [引用日期2026-09-27]
- 因果推断，观察性研究和 2021 年诺贝尔经济学奖 . pku.edu.cn [引用日期2026-09-27]
- create_pdf . icdc.cn [引用日期2026-09-27]
- 中华流行病学杂志 2014年3月第35卷第3期 Chin J Epidemiol, March 2014, Vol . icdc.cn [引用日期2026-09-27]
- concepts . epfl.ch [引用日期2026-09-27]
- JAKO201919341608238(PDF) . koreascience.kr [引用日期2026-09-27]
- Causal Inference for the Social Sciences . umich.edu [引用日期2026-09-27]
- nobelprize.org 上的网页 . nobelprize.org [引用日期2026-09-27]
- 金融与经济评论（中文特刊），2023年1月出版（第22卷），93-111页 . mnb.hu [引用日期2026-09-27]
- ノーベル経済学賞に米3氏 「自然実験」で因果関係推定 . rieti.go.jp [引用日期2026-09-27]
- Pinto-Causal-HO-STATIC_2023-03-23a_jbb(PDF) . uchicago.edu [引用日期2026-09-27]
- create_pdf . icdc.cn [引用日期2026-09-27]
浏览次数：0 次
阅读量：0 次 · 阅读完成量：0 次
最近更新：2026-09-27T14:39:28Z
完成率 = 阅读完成量 ÷ 阅读量，分母是阅读量不是浏览次数 —— 关了 JS 的、秒退的都在浏览次数里、不在阅读量里。 详细口径在后台的「数据统计」页。