Brady Neal因果推断笔记：从入门到精通的实践指南

共计 1532 个字符，预计需要花费 4 分钟才能阅读完成。

为什么需要因果推断

在数据分析中，我们经常被提醒 ” 相关性不等于因果性 ”。比如冰淇淋销量和溺水事件在夏季都增加，但显然吃冰淇淋不会导致溺水。因果推断就是帮助我们回答 ” 如果 … 那么 …” 这类问题的工具，而不仅仅是观察数据中的模式。

核心概念：因果图模型

因果图（有向无环图，DAG）是因果推断的视觉化工具。图中的节点代表变量，箭头表示因果关系。构建一个好的 DAG 需要领域知识，这是因果推断中最具挑战性的部分之一。

• 节点：圆角矩形表示可观测变量，菱形表示不可观测变量
• 边：箭头表示因果方向，如 X→Y 表示 X 影响 Y
• 常见结构：链式（X→Z→Y）、分叉（X←Z→Y）和对撞（X→Z←Y）

实践：用 Python 进行因果效应估计

下面用 dowhy 库演示如何估计治疗效果（安装：pip install dowhy）：

import dowhy
from dowhy import CausalModel
import pandas as pd

# 示例数据：年龄影响治疗选择和恢复情况
data = pd.DataFrame({'age': [25, 55, 30, 45, 60],  # 年龄
    'treatment': [1, 0, 1, 0, 1],  # 治疗 (1) 或对照(0)
    'recovery': [1, 0, 1, 0, 1]   # 恢复情况
})

# 1. 创建因果模型
model = CausalModel(
    data=data,
    treatment='treatment',
    outcome='recovery',
    common_causes=['age']
)

# 2. 可视化因果图
model.view_model()

# 3. 识别因果效应
identified_estimand = model.identify_effect()

# 4. 估计效应（这里用线性回归）estimate = model.estimate_effect(
    identified_estimand,
    method_name='backdoor.linear_regression'
)
print(f"估计的治疗效果: {estimate.value}")

关键点说明：
1. common_causes参数指定了混淆变量（这里假设年龄同时影响治疗分配和恢复）
2. identify_effect()会自动应用 do-calculus 规则
3. 估计方法可以根据数据特性选择（匹配、加权、回归等）

新手常见误区

1. 忽略混淆变量：比如分析教育对收入的影响时，忽略能力这个变量
2. 过度控制变量：调整对撞变量（如同时控制病症和治疗）会引入虚假关联
3. 选择偏差：只分析存活患者会导致错误的治疗结论（生存偏差）
4. 时间顺序混淆：把结果变量误当作原因（比如认为抑郁症导致失业，而实际可能是双向的）

医疗案例：药物效果评估

假设我们有患者数据集，包含：
– 用药情况（治疗组 / 对照组）
– 康复状态
– 年龄、基础疾病等协变量

分析步骤：

1. 绘制 DAG 明确假设：药物→康复，同时年龄→药物选择，年龄→康复
2. 检查数据平衡：治疗组和对照组在年龄分布上是否相似
3. 选择估计方法：如果数据不平衡，用倾向得分匹配代替简单回归
4. 敏感性分析：测试结果对未观测混杂因素的稳健性

5 条最佳实践建议

1. 先画图再分析：强制自己用 DAG 明确因果假设，避免遗漏重要关系
2. 质疑数据生成过程：了解数据如何收集，是否存在系统性缺失
3. 永远考虑未观测混杂：通过敏感性分析评估结论的稳健性
4. 从简单模型开始：先验证基础关系，再逐步增加复杂性
5. 领域知识优先：统计方法无法替代对问题的深入理解

学习资源推荐

• Brady Neal 的因果推断课程（免费在线版本）
• 《The Book of Why》科普读物
• dowhy和causalmlPython 库的官方文档

因果推断需要实践积累，建议从模拟数据开始，逐步应用到真实问题中。记住：好的因果分析 = 正确的假设 + 适当的方法 + 诚实的局限性说明。