MIT课程笔记①丨因果关系定义及潜在结果分析框架

本文在MIT在线课程《3.Data Analysis for Social Scientists》中Causality（因果关系）部分课程的课件基础上，补充了相关信息、增加了个人理解，详细介绍了因果关系的本质及其实践。

本篇是四篇系列文章的第一篇，主要解读因果关系定义与潜在结果分析框架。

什么是因果关系

我们经常做出的因果陈述(Causal Statements)，比如：

▫ 因为她吃了药，所以她头疼好多了

▫ 因为她上了MIT，所以她找到了好工作

▫ 因为她是非裔美国人，所以她没有获得面试机会

这些因果陈述到底想表达什么意思呢？这些陈述中暗含着一个反事实(counterfactual)的世界(类似平行宇宙的想法)。不同的行为发生了，对应上面三个例子：

▫ (反事实)她没有吃药

▫ (反事实)她没有上MIT，她可能做了其它事情(可做了什么在陈述中并没有明确指出)

▫ (反事实)这里意思不完全清楚，是改变的她的种族？还是改变人们在做聘用决定时关于种族的看法？

总体来说，当我们思考因果关系时，我们考虑的是操作(干预)一个“因”的可能效果，假如我们干预或不干预这个“因”，然后什么会发生。

因果关系可以被证明吗？

在经济和社会科学领域，许多我们想回答的问题是因果问题：移民是否降低了本地工人的工资？贸易是否增加了不平等？在美国和墨西哥之间建立隔离墙是否能阻止移民？所以在社会科学领域的许多数据科学目标是回答“因”与“果”的问题。

但是，针对一些重要但非因果问题时，因果分析没什么用。例如，我们可能感兴趣识别在学校儿童存在危险的早期预兆信号，这样我们可以集中努力解决它们。谷歌会希望基于人们的搜索模式预测他们对什么东西感兴趣，从而向他们提供他们更可能感兴趣的广告。此时更关注的是相关关系。

统计学分析因果关系使用了因果推断(Causal Inference)，提到推断就涉及证明问题，有学者认为统计学不能被“证明”因果，只有“相关”是可以被证明。

有一个很有名的例子，叫做 Yule-Simpson’s Paradox。有文献称，Karl Pearson 很早就发现了这个悖论——也许这正是他反对统计因果推断的原因。此悖论表明，存在如下的可能性：X和Y在边缘上正相关(处理效果为正)，但是给定另外一个变量Z后，在Z的每一个取值上，X和Y都负相关。下表是一个数值的例子，处理对整个人群有 “正作用”，奇怪的是，处理对男性有 “负作用”，对女性也有 “负作用”。一个处理对男性和女性都有 “负作用”，但是他对整个人群却有 “正作用”：悖论产生了！

上面的例子是人工构造的，在现实中，也存在不少的实例正是 Yule-Simpson’s Paradox。比如，UC Berkeley 的著名统计学家 Peter Bickel 教授 1975 年在 Science 上发表文章，报告了 Berkeley 研究生院男女录取率的差异。他发现，总体上，男性的录取率高于女性，然而按照专业分层后，女性的录取率却高于男性(Bickel 等 1975)。

在统计上，这具有重要