第一章：因果推断导论

在数据驱动决策的时代，我们经常面临这样的问题：用户留存率的提升是因为产品改进还是季节性因素？广告投放真的带来了销售增长还是只是巧合？新算法的部署是否真正改善了系统性能？这些问题的核心不是"发生了什么"，而是"为什么发生"以及"如果我们改变某些因素会发生什么"。因果推断为我们提供了一套严格的数学框架来回答这些根本性问题。本章将介绍因果推断的基本概念，澄清相关性与因果性的本质区别，并通过实际案例展示因果思维的重要性。

1.1 相关性与因果性的本质区别

相关性：观察到的共同变化

相关性描述的是两个或多个变量之间的统计关联。当我们说变量 $X$ 和 $Y$ 相关时，意味着知道 $X$ 的值能帮助我们预测 $Y$ 的值。数学上，最常用的是皮尔逊相关系数：

$$\rho_{X,Y} = \frac{\text{Cov}(X,Y)}{\sigma_X \sigma_Y} = \frac{E[(X-\mu_X)(Y-\mu_Y)]}{\sigma_X \sigma_Y}$$ 其中 $\text{Cov}(X,Y)$ 是协方差，$\sigma_X$ 和 $\sigma_Y$ 分别是 $X$ 和 $Y$ 的标准差。

相关性的关键特征：

  • 对称性：$\text{Cor}(X,Y) = \text{Cor}(Y,X)$
  • 纯粹的统计度量：不涉及时间顺序或生成机制
  • 可能由多种原因造成：直接因果、反向因果、共同原因或纯粹巧合

因果性：干预后的变化

因果关系描述的是一个变量的改变直接导致另一个变量改变的关系。用符号表示，"$X$ 导致 $Y$"（记作 $X \rightarrow Y$）意味着：如果我们主动改变 $X$，$Y$ 会随之改变。

因果关系的核心特征：

  • 非对称性：$X \rightarrow Y$ 不等同于 $Y \rightarrow X$
  • 涉及干预：需要考虑"如果我们改变X"的反事实情况
  • 具有方向性：有明确的原因和结果

经典例子：冰淇淋销量与溺水事故

考虑这个著名的例子：数据显示冰淇淋销量与溺水事故数量高度正相关。

观察到的相关性：
    冰淇淋销量 ↑  ←→  溺水事故 ↑
    相关系数 r ≈ 0.75

如果将相关性误认为因果性，我们可能得出荒谬的结论：

  1. 吃冰淇淋导致溺水（错误）
  2. 溺水导致人们买冰淇淋（错误）

真实的因果结构：

        温度（夏季）
           ↙    ↘
    冰淇淋销量   游泳人数
                    ↓
                 溺水事故

温度是共同原因（混杂因素）：夏季高温导致更多人买冰淇淋，同时也导致更多人游泳，进而增加溺水风险。

区分相关性与因果性的实用方法

  1. 时间顺序检验：原因必须发生在结果之前
  2. 干预思维实验：如果人为改变X，Y是否会改变？
  3. 机制分析：是否存在合理的因果机制？
  4. 混杂因素排查：是否存在共同影响X和Y的第三变量？

1.2 为什么需要因果推断

决策制定的核心需求

在实际应用中，我们关心的往往不是"what is"而是"what if"：

预测性问题（相关性足够）：

  • 明天的股价是多少？
  • 这个用户会不会点击广告？
  • 系统负载会达到多少？

因果性问题（需要因果推断）：

  • 如果我们提高价格10%，销量会下降多少？
  • 如果实施新的推荐算法，用户留存率会提升吗？
  • 如果增加服务器，响应时间会改善多少？

AI系统的可解释性危机

现代深度学习模型在预测任务上表现卓越，但它们主要捕获的是相关性而非因果性。这导致：

  1. 分布偏移脆弱性：当数据分布改变时，基于相关性的模型可能完全失效
  2. 虚假关联学习：模型可能学到数据集中的偶然相关性
  3. 缺乏可解释性：无法回答"为什么"的问题

例子：图像识别模型将哈士奇误认为狼，因为训练集中狼的图片背景都有雪，模型学到了"雪→狼"的虚假关联。

公平性与伦理考量

在算法决策系统中，区分相关性和因果性对确保公平性至关重要：

观察：某地区的邮编与贷款违约率相关
错误做法：直接使用邮编作为信贷评分特征
正确做法：识别真正的因果因素（如收入、就业状况）

使用相关性而非因果性可能导致：

  • 强化历史偏见
  • 产生歧视性决策
  • 违反公平性原则

科学理解与知识积累

因果推断帮助我们：

  1. 建立可泛化的知识：因果关系比相关性更稳定
  2. 设计有效干预：知道因果机制才能设计改进方案
  3. 进行反事实推理：回答"如果当初..."的问题

1.3 因果推断的历史发展

早期探索（1920s-1960s）

Fisher的随机化实验（1920s） Ronald Fisher在农业试验中引入随机化，奠定了因果推断的实验基础。他的核心洞察：随机分配处理可以打破处理与混杂因素的关联。

Neyman-Rubin因果模型雏形（1923） Jerzy Neyman提出了潜在结果（potential outcomes）的概念，虽然当时并未被广泛认识。

现代框架形成（1970s-1990s）

Rubin因果模型（1974） Donald Rubin重新发现并系统化了潜在结果框架，提出了著名的"Rubin Causal Model"（RCM）。核心概念：

  • 每个单位有多个潜在结果
  • 因果效应定义为潜在结果的比较
  • 基本问题：我们只能观察到一个潜在结果

Pearl的因果图理论（1988-1995） Judea Pearl发展了基于有向无环图（DAG）的因果推理框架：

  • 图模型表示因果关系
  • d-分离准则判断条件独立
  • do算子区分观察与干预

计算时代的发展（2000s-至今）

机器学习与因果推断的融合

  • 因果森林（Causal Forests）
  • 深度学习的因果表示学习
  • 自动化因果发现算法

大规模实验平台

  • 科技公司的A/B测试基础设施
  • 在线实验的网络效应处理
  • 持续实验与因果效应监测

跨学科影响

因果推断已经深刻影响了多个领域：

经济学：工具变量、断点回归、双重差分
流行病学：因果图、中介分析
计算机科学：因果发现、强化学习
社会科学：自然实验、准实验设计

1.4 三个层级的因果问题

Pearl提出了因果推理的三个层级，这个层级结构揭示了不同类型问题的本质差异，也说明了为什么某些问题比其他问题更难回答。

第一层级：关联（Association）

核心问题：观察到什么？

这一层级涉及的是纯粹的统计问题，可以通过观察数据直接回答。

数学表示：$P(Y|X)$ - 给定观察到X，Y的概率是多少？

典型问题：

  • 购买了商品A的用户，有多大概率会购买商品B？
  • 具有特征X的患者，疾病Y的发病率是多少？
  • 当股票A上涨时，股票B上涨的概率是多少？
示例：在电商平台上
观察：购买了键盘的用户中，60%也购买了鼠标
表达：P(购买鼠标|购买键盘) = 0.6

能力与局限：

  • ✓ 可以进行预测
  • ✓ 可以发现模式
  • ✗ 不能指导干预
  • ✗ 不能解释机制

第二层级：干预（Intervention）

核心问题：如果我们做了什么会怎样？

这一层级涉及主动改变系统，需要因果知识才能回答。

数学表示：$P(Y|do(X))$ - 如果我们主动设置X，Y的概率是多少？

注意：$P(Y|do(X)) \neq P(Y|X)$

典型问题：

  • 如果我们强制推荐商品B，销量会增加多少？
  • 如果给患者用药X，治愈率会提高多少？
  • 如果央行加息，通胀率会下降多少？
示例：推荐系统干预
观察：P(点击|看到推荐) = 0.3
干预：P(点击|do(推荐)) = 0.2
差异原因：观察数据中的推荐是算法根据用户兴趣生成的（有选择偏差）

从关联到干预的跃升：

要从第一层级上升到第二层级，需要：

  1. 随机实验数据，或
  2. 观察数据 + 因果假设（如无混杂假设）

第三层级：反事实（Counterfactual）

核心问题：如果当初不同会怎样？

这是最高层级的因果问题，涉及对已发生事件的假想替代。

数学表示：$P(Y_x|X=x', Y=y')$ - 已知实际上X=x'且Y=y'，如果X是x，Y会是什么？

典型问题：

  • 如果这个流失的用户当初看到了优惠券，他会留下来吗？
  • 如果这个治愈的患者没有用药，他会自愈吗？
  • 如果算法没有崩溃，今天的收入会是多少？
示例：个性化医疗
事实：患者接受了治疗A并康复了
反事实问题：如果他接受治疗B，会康复得更快吗？
挑战：同一个患者不能同时接受两种治疗

反事实推理的独特性：

反事实问题最难回答，因为它们涉及：

  1. 个体层面的推理（不是群体平均）
  2. 已经发生的特定事件
  3. 逻辑上不可能观察到的结果

层级之间的关系

      第三层级：反事实
           ↑
      [需要结构因果模型]
           ↑
      第二层级：干预
           ↑
      [需要因果假设或实验]
           ↑
      第一层级：关联
           ↑
      [只需要数据]

重要性质：

  1. 层级不可逆：高层级的信息可以回答低层级的问题，反之不行
  2. 信息需求递增：每上升一个层级需要额外的假设或信息
  3. 实用性递增：高层级的答案对决策更有价值

实践中的应用

A/B测试（第二层级）

# 随机分配用户到控制组和处理组
if random() < 0.5:
    show_new_feature()  # do(feature=1)
else:
    show_old_feature()  # do(feature=0)

# 因果效应 = E[Y|do(feature=1)] - E[Y|do(feature=0)]

用户流失分析（第三层级）

已流失用户：没有看到挽留优惠
反事实问题：如果看到了，会留下来吗？
需要：用户特征 + 因果模型 → 个性化反事实预测

1.5 行业案例：Netflix推荐算法中的辛普森悖论

案例背景

Netflix的推荐团队发现了一个令人困惑的现象：在分析新推荐算法的效果时，总体数据显示新算法降低了用户观看时长，但在每个用户群体内部，新算法都提升了观看时长。这就是著名的辛普森悖论（Simpson's Paradox）在实际业务中的体现。

数据观察

假设Netflix将用户分为两类：

  • 重度用户（Heavy Users）：每月观看>50小时
  • 轻度用户（Light Users）：每月观看<50小时

总体数据：

旧算法：平均观看时长 = 35小时/月
新算法：平均观看时长 = 33小时/月
结论？新算法更差（-5.7%）

分组数据：

重度用户：
  旧算法：65小时/月 → 新算法：68小时/月 (+4.6%)

轻度用户：
  旧算法：20小时/月 → 新算法：22小时/月 (+10%)

结论？新算法在两组都更好！

悖论的解释

关键在于用户组成的变化：

        旧算法                    新算法
重度用户：40% (65h)         重度用户：30% (68h)
轻度用户：60% (20h)         轻度用户：70% (22h)
----------------------------------------
总体：0.4×65 + 0.6×20       总体：0.3×68 + 0.7×22
    = 26 + 12 = 38h              = 20.4 + 15.4 = 35.8h

因果机制： 新算法更精准地识别用户兴趣，导致：

  1. 一些边缘重度用户被重新分类为轻度用户
  2. 算法对两类用户都提供了更好的推荐
  3. 但组成比例的变化导致总体均值下降

因果图分析

    算法类型 → 推荐质量 → 观看时长
        ↓                    ↑
    用户分类 ←───────────→ 用户偏好

混杂因素：用户偏好既影响用户分类，也影响观看时长。

正确的评估方法

  1. 分层分析 在每个用户层级内部评估算法效果，而不是看总体均值。

  2. 因果效应估计 使用固定的用户分类（基于历史数据），评估： $$\tau = E[Y(新算法)|分类] - E[Y(旧算法)|分类]$$

  3. A/B测试设计

# 正确的实验设计
def run_experiment(users):
    # 先分类，再随机分配
    heavy_users = [u for u in users if u.watch_time > 50]
    light_users = [u for u in users if u.watch_time <= 50]

    # 在各组内随机分配
    for group in [heavy_users, light_users]:
        random.shuffle(group)
        half = len(group) // 2
        assign_new_algo(group[:half])
        assign_old_algo(group[half:])

业务启示

  1. 避免简单的总体指标：总体均值可能误导决策
  2. 理解用户异质性：不同用户群体可能有相反的反应
  3. 考虑动态效应：算法可能改变用户行为模式
  4. 多维度评估： - 用户留存率 - 内容多样性 - 长期vs短期效应

推广到其他场景

辛普森悖论在许多业务场景中出现：

电商定价策略

总体：提价导致销量下降
分组：在每个客户群体中，提价都增加了销量
原因：价格敏感客户流失，改变了客户组成

在线教育效果

总体：新教学方法降低了平均分
分组：对优等生和后进生都有提升
原因：中等学生的比例变化

本章小结

本章介绍了因果推断的基础概念和核心思想。我们学习了：

关键概念

  1. 相关性vs因果性 - 相关性：$P(Y|X)$ - 观察到的统计关联 - 因果性：$P(Y|do(X))$ - 干预后的效果 - 根本区别：对称性vs非对称性，预测vs干预

  2. 因果推断的必要性 - 决策需要因果知识而非仅仅相关性 - AI系统的可解释性和鲁棒性要求 - 公平性和伦理决策的基础

  3. Pearl因果层级 - 第一层：关联 - $P(Y|X)$ - 第二层：干预 - $P(Y|do(X))$ - 第三层：反事实 - $P(Y_x|X=x', Y=y')$

核心公式

  • 相关系数：$\rho_{X,Y} = \frac{\text{Cov}(X,Y)}{\sigma_X \sigma_Y}$
  • 因果效应：$\tau = E[Y|do(X=1)] - E[Y|do(X=0)]$
  • 反事实查询：$P(Y_{x}|X=x', Y=y')$

重要洞察

  1. 相关性不等于因果性，混杂因素可能造成虚假相关
  2. 从数据到因果结论需要额外的假设或实验设计
  3. 辛普森悖论警示我们注意群体异质性和组成效应
  4. 因果推断是从"what is"到"what if"的关键桥梁

通过本章的学习，你应该能够：

  • 识别相关性与因果性的区别
  • 理解不同层级因果问题的本质
  • 在实际问题中识别潜在的因果推断陷阱
  • 认识到因果思维在数据分析中的重要性

练习题

基础题

题目1：相关性判断 某研究发现，咖啡消费量与程序员的代码产出量呈正相关（r=0.6）。以下哪些可能是合理的解释？ a) 咖啡提高了编程效率 b) 高产出的压力导致程序员喝更多咖啡 c) 加班时间既增加了咖啡消费也增加了代码量 d) 纯属巧合

Hint: 考虑所有可能的因果方向和混杂因素。

参考答案

所有选项都可能合理：

  • a) 正向因果：咖啡→清醒→产出
  • b) 反向因果：压力→咖啡消费
  • c) 混杂因素：加班时间同时影响两者
  • d) 虚假相关：样本量小或选择偏差

关键是认识到相关性本身不能确定具体的因果机制。需要进一步的实验或因果假设才能区分。

题目2：因果层级识别 将以下问题分类到Pearl的三个因果层级：

  1. "购买了iPhone的用户中，多少比例也购买了AirPods？"
  2. "如果我们给所有用户推送优惠券，转化率会提升多少？"
  3. "这个已经流失的用户，如果当初给他发送挽留邮件，他会留下来吗？"
  4. "高学历人群的平均收入是多少？"

Hint: 关注是观察、干预还是反事实。

参考答案
  1. 第一层级（关联）：P(AirPods|iPhone) - 纯粹的条件概率
  2. 第二层级（干预）：P(转化|do(优惠券)) - 主动干预的效果
  3. 第三层级（反事实）：已知用户流失，假设不同的过去
  4. 第一层级（关联）：E[收入|学历=高] - 观察性统计

注意：即使涉及"如果"，问题2是面向未来的干预（可实验验证），而问题3是关于已发生事件的反事实（无法实验验证）。

题目3：辛普森悖论识别 某公司的数据显示：

  • 男性平均工资：8万/年，录用率：60%
  • 女性平均工资：7万/年，录用率：40%

进一步分析发现：

  • 技术岗：男性工资10万（录用率70%），女性工资9.5万（录用率75%）
  • 非技术岗：男性工资6万（录用率50%），女性工资5.8万（录用率55%）

这是否构成辛普森悖论？如果是，解释其机制。

Hint: 检查分组数据与总体数据的方向是否一致。

参考答案

是辛普森悖论。

工资方面：

  • 总体：男性>女性
  • 分组：两个岗位类型中，男性都>女性（方向一致，不是悖论）

录用率方面：

  • 总体：男性(60%)>女性(40%)
  • 技术岗：女性(75%)>男性(70%)
  • 非技术岗：女性(55%)>男性(50%)
  • 分组中女性录用率都更高（方向相反，是悖论！）

机制：女性更多申请竞争激烈的技术岗（基础录用率低），导致总体录用率降低。这是典型的组成效应。

挑战题

题目4：因果推断设计 某电商平台想评估"包邮"政策对销售额的因果效应。历史数据显示，包邮商品的销售额平均高30%。但产品经理怀疑这可能是因为热门商品更可能设置包邮。请设计一个方案来识别包邮的真实因果效应。

Hint: 考虑如何打破包邮设置与商品属性的关联。

参考答案

方案设计：

  1. 随机实验（最佳） - 随机选择部分商品强制包邮/不包邮 - 时间：2-4周 - 估计：ATE = E[销售|do(包邮)] - E[销售|do(不包邮)]

  2. 准实验设计 - 利用包邮门槛（如"满99包邮"） - 使用断点回归，比较98元和100元商品的销售差异 - 假设：门槛附近的商品相似

  3. 观察性研究+因果假设 - 收集混杂因素：类目、价格、评分、历史销量 - 使用倾向得分匹配或逆概率加权 - 关键假设：无未观测混杂

  4. 工具变量方法 - 寻找只影响包邮设置但不直接影响销售的变量 - 如：仓库距离（影响运费成本→包邮决策）

每种方法的权衡：

  • 实验：因果效应最可信，但有机会成本
  • 准实验：利用现有变异，但只识别局部效应
  • 观察性：成本低，但依赖强假设

题目5：反事实推理 某算法工程师发现，使用了新特征的模型准确率提升了3%。但上线后发现，这个特征在生产环境经常缺失。现在需要回答：如果当初没有使用这个特征，模型的表现会怎样？这个问题属于哪个因果层级？如何回答？

Hint: 区分"重新训练"和"反事实"的区别。

参考答案

问题分析：

  • 属于第三层级（反事实）：对已经发生的事件假设不同的过去
  • 不是简单的"不用这个特征重新训练"（那是干预问题）

回答方法：

  1. 结构因果模型方法
准确率 = f(特征集, 训练数据, 算法参数, 随机种子)
反事实：保持其他所有条件完全相同，仅改变特征集

  1. 实践近似方法 - 保存原始训练环境（数据分割、随机种子等） - 移除特征后重新训练 - 比较：反事实效应 ≈ 原模型表现 - 无特征模型表现

  2. 特征重要性分析 - SHAP值：量化特征对预测的平均贡献 - 排列重要性：随机打乱特征值，观察性能下降 - 留一法：移除特征后的性能变化

关键洞察：

  • 真正的反事实无法完美回答（训练的随机性）
  • 实践中使用多种方法估计，给出置信区间
  • 这个案例说明了特征工程中的因果思考重要性

题目6：混杂因素识别 一项研究发现，使用代码自动补全工具的程序员bug率更高。研究者据此建议减少自动补全的使用。请分析可能的混杂因素，并说明为什么这个建议可能是错误的。

Hint: 考虑谁更可能使用自动补全工具。

参考答案

可能的混杂因素：

  1. 经验水平 - 新手程序员更依赖自动补全 - 新手本身bug率就更高 - 因果图：经验 → {自动补全使用, bug率}

  2. 代码复杂度 - 复杂项目中更常用自动补全（API多、不熟悉） - 复杂代码本身更容易出bug - 因果图：复杂度 → {自动补全使用, bug率}

  3. 时间压力 - deadline紧张时更多使用自动补全提速 - 赶工的代码质量通常较差 - 因果图：时间压力 → {自动补全使用, bug率}

  4. 编程语言 - 某些语言（如Java）自动补全更完善 - 不同语言的bug率本身不同 - 因果图：语言类型 → {自动补全使用, bug率}

为什么建议可能错误：

  1. 没有控制混杂因素的相关性≠因果性
  2. 自动补全可能实际上减少了bug（相对于同等条件下不使用）
  3. 正确的评估需要： - 随机实验：随机分配是否可用自动补全 - 或匹配分析：比较相似背景程序员使用/不使用的效果

政策启示：基于相关性的决策可能适得其反。

常见陷阱与错误

1. 相关即因果谬误

错误表现：看到两个变量相关就假设存在因果关系。

典型案例：

观察：使用昂贵开发工具的团队产出更高
错误结论：买昂贵工具能提高产出
真相：高效团队更可能获得预算买好工具

避免方法：

  • 始终考虑反向因果的可能性
  • 寻找潜在的混杂因素
  • 用"相关"而非"导致"描述观察结果

2. 选择偏差陷阱

错误表现：基于有偏样本得出因果结论。

典型案例：

观察：在线课程完成者的就业率很高
错误结论：在线课程提高就业能力
真相：能坚持完成课程的人本身就更有毅力

避免方法：

  • 考虑样本的代表性
  • 关注流失和缺失数据
  • 使用意向性分析（Intention-to-treat）

3. 混淆预测与因果

错误表现：将预测模型的特征重要性解释为因果效应。

典型案例：

# 机器学习模型显示：
feature_importance = {
    'age': 0.3,
    'education': 0.2,
    'location': 0.5
}
# 错误：location对收入的因果效应最大
# 正确：location对预测收入最有用（可能只是代理变量）

避免方法：

  • 区分"预测有用"和"因果相关"
  • 理解特征可能是代理变量
  • 使用因果推断方法而非纯预测模型

4. 忽视时间顺序

错误表现：在因果推断中忽略时间先后关系。

典型案例：

数据：抑郁症患者失业率高
错误：失业导致抑郁
可能：抑郁导致失业（反向因果）
可能：双向因果关系

避免方法：

  • 使用纵向数据而非横截面数据
  • 明确时间顺序
  • 考虑双向因果的可能

5. 平均效应谬误

错误表现：将群体平均效应应用到个体。

典型案例：

研究：药物平均降低血压10mmHg
错误：每个患者都会降低10mmHg
真相：效果因人而异，有人可能无效或反效果

避免方法：

  • 报告效应的分布而非仅均值
  • 进行异质性分析
  • 使用个体化因果推断方法

6. 中介变量误用

错误表现：控制了因果路径上的中介变量。

典型案例：

研究：教育对收入的影响
错误：控制"职业"作为协变量
问题：职业是教育影响收入的中介
后果：低估教育的总效应

因果图：

教育 → 职业 → 收入
    ↘      ↗
     技能

避免方法：

  • 画出因果图
  • 区分混杂因素和中介变量
  • 明确要估计的是直接效应还是总效应

7. 过度依赖P值

错误表现：将统计显著性等同于因果关系或实际重要性。

典型案例：

结果：相关系数 r=0.01, p<0.001（n=100万）
错误：存在重要的因果关系
真相：大样本下微小相关也会显著

避免方法：

  • 报告效应大小，不仅是P值
  • 考虑实际意义vs统计显著性
  • 使用置信区间

8. 生态学谬误

错误表现：将群体层面的关系推广到个体。

典型案例：

观察：富裕地区的自杀率更高
错误：富人更容易自杀
真相：地区内可能是穷人自杀率更高（组内异质性）

避免方法：

  • 使用多层次模型
  • 分别分析群体和个体效应
  • 谨慎推广结论的层级

最佳实践检查清单

数据分析开始前

  • [ ] 明确因果问题
  • 区分是预测问题还是因果问题
  • 明确是哪个层级的因果问题（关联/干预/反事实）

  • 定义清楚处理变量和结果变量

  • [ ] 识别潜在混杂

  • 列出所有可能影响处理和结果的变量
  • 画出初步的因果图

  • 考虑未观测的混杂因素

  • [ ] 评估数据质量

  • 检查样本代表性
  • 识别选择偏差来源
  • 评估测量误差

分析过程中

  • [ ] 验证因果假设
  • 检验时间顺序是否合理
  • 验证无混杂假设（如可能）

  • 进行敏感性分析

  • [ ] 选择合适方法

  • 优先考虑实验方法
  • 如使用观察数据，明确所需假设

  • 考虑多种识别策略

  • [ ] 处理异质性

  • 不仅报告平均效应
  • 进行分组分析
  • 检查辛普森悖论

结果解释时

  • [ ] 准确表述结论
  • 使用"因果效应"而非"相关性"（如果适用）
  • 明确效应的适用范围

  • 承认研究局限性

  • [ ] 提供完整信息

  • 报告效应大小和不确定性
  • 说明识别假设

  • 讨论威胁因果推断的因素

  • [ ] 考虑实践意义

  • 评估效应的实际重要性
  • 讨论政策含义
  • 提供可操作的建议

决策应用时

  • [ ] 评估外部效度
  • 考虑结果的可推广性
  • 识别环境依赖性

  • 预期可能的异质性效应

  • [ ] 设计干预方案

  • 基于因果机制设计
  • 考虑意外后果

  • 计划效果评估

  • [ ] 持续监测改进

  • 设置因果效应监测指标
  • 收集反馈数据
  • 迭代优化策略

团队协作时

  • [ ] 沟通因果概念
  • 向非技术人员解释因果vs相关
  • 使用直观的例子和图表

  • 强调假设的重要性

  • [ ] 建立因果思维文化

  • 在A/B测试中嵌入因果考虑
  • 定期review因果假设

  • 分享因果推断最佳实践

  • [ ] 文档化因果分析

  • 记录因果图和假设
  • 保存分析代码和数据
  • 创建可重复的分析流程

记住：好的因果推断始于清晰的因果思考。在急于使用复杂方法之前，先确保你理解了问题的因果结构。