《因果推断》行动造成结果

本书适合具有统计学知识和统计推断经验的读者研习基于经验数据的因果推断，也可以帮助感兴趣的业余读者快速把握因果推断的主要方法和操作。因果推断是一个比较新的领域，在21世纪以后才崭露头角。而且，因果推断对概率统计的数学要求相对一般的统计推断更高一些，需要更为深入地解读数据。据我所知，国内社会学、政治学、管理学和大多数经济学院系都尚未在硕士课程中介绍这部分内容。

本书与朱迪亚·珀尔的《因果论》（2022）《统计因果推理入门》（2020）、Joshua D. Angrist的《精通计量：因果之道》（2019）等书一道为国内研究者和学习者撬开了因果推断的大门。相较珀尔和安格里斯特的大作，本书原版于2021年面世，理论、方法和材料都比较新颖，突出优势在于案例众多，提供了相应的Stata数据集和R程序包，可以直接上手。缺陷则在于相关方法的理论内涵和推理过程部分稍显含糊，大概也与本书主要目的相一致——先上车再说。

书中借由贝叶斯法则对蒙蒂霍尔问题（三门问题）进行了极为清晰易懂的分析，并且再次响应了导论中提出的观点：“最优化使一切变得内生”。破解三门问题的关键，就在于理解到主持人打开了一扇门，背后是一只山羊，于是改变了“条件”，使得更新了的后验概率与我们直觉到的先验概率不相等。其大体过程如下：

假设你选择了1号门，它开出大奖为事件A1，2号门A2，3号门A3。 首先有Pr（A1）=Pr（A2）=Pr（A3）=1/3， 且Pr（~A1）=Pr（~A2）=Pr（~A3）=2/3， 此时，主持人打开了2号门（事件B），背后是一只山羊。 则有P（A1|B）=P（B|A1）P（A1）/[P（B|A1）P（A1）+P（B|A2）P（A2）+P（B|A3）P（A3）]， 对P（B|A1），如果大奖在1号门后，主持人打开2号门的概率。此时，钱在1号门后，2号门和3号门后均为山羊，因此主持人打开2号门的概率为0.5。 对P（B|A2），如果大奖在2号门后，主持人就不会打开2号门，那么概率为0。 对P（B|A3），如果大奖在3号门后，主持人就必须打开2号门，那么概率为1。 因此，计算得出P（A1|B）=1/3，而P（A3|B）=2/3。 这一变化的关键是，我们新增了一条信息：主持人总会打开一扇背后是山羊的门。这意味着在观察到事件B之后，我们了解到的信息让我们对钱在哪里形成了新的信念。

本书也指出，对于有经验的社会科学家来说，有向无环图（DAG模型）尤其具有价值。我对这一点深感赞同。DAG的表现形式与社会网络分析略有相似之处，不过在理论内涵上大相径庭。DAG的节点表示随机变量，箭头表示两个随机变量之间的因果效应，箭头方向即因果关系的方向。DAG的有趣之处在于，他允许研究者和讨论者在形式化的基础上思考观察到的、潜在的和多维度的因果关系。特别是DAG反复提醒我们，缺少箭头就表示“不存在因果关系”，而这一点在研究设计中时常被忽略。当前，DAG已经开发出关于后门路径与混杂因子、对撞因子的一系列用法，并且发现了不良控制变量、样本选择对因果解释造成偏差的路径。光是对不良控制变量的洞察就允许我们在社会统计研究中掀起一股风暴了，即使对于不打算上手操作的读者来说，这也会是非常有趣的体验。