因果系列文章（4）——拨开混杂的迷雾

本节沿袭上一节的内容，继续学习混杂、阻断、前门/后门路径等概念。

混杂

抽烟的人容易导致肺癌，抽烟的人也容易出现黄手指。因为抽烟这个“共因”，“黄手指”和“肺癌”产生了关联，我们不难发现，手指黄的人很多都容易患肺癌。但是我们不能说，黄手指会导致肺癌，它俩并没有因果关系。这个“共因”也被称之为“混杂因子”（confounder）。在这个例子中，“抽烟”就是“黄手指”和“肺癌”的混杂因子，它让“黄手指”和“肺癌”出现了一种“伪相关”，这种伪相关也被称为“偏倚”（bias）。

图1：“抽烟”作为“黄手指”和“肺癌”的混杂因子

在本专题第一篇文章中介绍的巧克力与诺贝尔奖的例子，也是因为出现了混杂因子，因为某些共因，让巧克力销量和诺贝尔奖产生了关联，但巧克力销量不是导致诺贝尔奖的原因。

更复杂一些、也更常见一些的情形，是混杂因子造成的伪相关关系，和真正的因果效应关系，混合在一起，这便是“混杂”（confounding）的情形。

图2给出了一种最基本的混杂情形。真正的因果效应 A→Y 和叉接合 A←L→Y 诱导的 A 和 Y 之间的伪相关混合在一起。以新冠病毒与死亡率之间的关系为例，感染新冠病毒无疑会大大提高死亡率。但是这样的因果关系中，非常可能存在混杂因子。比如年龄：年轻的人免疫力更好，因此感染新冠病毒的几率也相对较低，死亡率也相对较低；年纪大的人抵抗力差，感染风险高，同时年纪大的人死亡率本身就高。因此“年龄”成为了“感染新冠病毒”与“死亡率”之间关系的混杂因子。所以我们要弄清新冠病毒到底与死亡率的高低具有怎样的关系，我们必须考虑并排除混杂的影响，换句话说，因果推理的一大目标就是尽量消除混杂带来的偏倚（也就是那些非因果的关联关系），找出真正的因果关系。

图2：混杂的基本形式

---

为了引入分析混杂的方法，首先我们一起学习阻断和d-分离的概念。

阻断与条件独立

回顾上一节最后学习的三种接合类型：链接合、叉接合、对撞接合。我们已经得到了这样的结论：

• 对于链式和叉式接合，节点 A 和 C 是相关的，链式接合是因为信息从 A 流到了 C ，叉式接合中 A 和 C 本没有相关性，而是因为有了 B 这个混杂因子而让 A 和 C 有了相关性；
• 对于对撞接合，节点 A 和 C 是相互独立的

图3：三种接合类型

在本节中，我们继续延伸有关相关性的分析。我们可以通过“以某个变量为条件”的方式得出其它节点之间的条件独立性。具体来说：

• 对于链式接合和叉式接合，通过“以中间变量 B 为条件”（conditioning on variable B ），也即给定 B 的值，比如指定 B=1 或者指定 B=0 ，那么 A 和 C 之间路径被阻断（blocking）。
• 对于对撞接合，通过“以中间变量 B 为条件”，A 和 C 之间原本被阻断的路径反而被打开，即A 和 C 之间产生了相关性。

这里所说的“以某个变量为条件”的意思，就是指定某个变量的值。比如“以年龄这个变量为条件”（conditioning on age），意思就是说我们只看“年龄=1”或者只看“年龄=0”的那些数据。

下面以具体的例子来解释以上两个结论。首先，对于链式接合，我们假设感染新冠病毒会造成肺部发炎，而肺炎会进一步导致发烧或干咳等临床症状。这个过程可以用如下的链式接合表示：

图3：感染新冠病毒引发肺炎并进一步引发临床症状的链式接合

此时，“感染新冠病毒”和“临床症状”是（边缘