跳至正文

因果推断的认识论大体检

目录

一句话裁决（母裁决·四轴精化版）：形式（潜在结果 / do-演算 / 工具变量）真 · 识别（一切因果结论押在数据无法检验的假设上）是命门 · 框架（反事实 / 图模型 / 机制三分）需消歧 · 分级（够格”因果已立”是成熟度光谱，金标准是三角验证而非单一 RCT）是答案。

这是全线唯一一篇「元方法论」。我们做过二十多篇机制裁决，每篇都在判「这个机制真、那个外推软、那条因果未立」——但从没有一篇说清楚：到底什么够格叫「因果已立」？这一篇就是来把那把尺造出来的。结论分四层。第一，因果不是模糊哲学：潜在结果框架、Pearl 的 do-演算（有完备性定理）、工具变量，都是有定理、能算的真数学，「相关不是因果」这句老话背后是一整套严格的识别理论。第二，但每一个从数据到因果的结论，都押在数据本身无法检验的识别假设上——可忽略性、排他性、无未测混杂、SUTVA；连随机对照试验（RCT）都有自己的假设。Cartwright 一句话戳到底：「No causes in, no causes out」——你不先放进一个因果假设，就别想从纯统计里取出因果。 第三，「机制 vs 统计」在极限上是伪二分（机制知识正是识别所需的”因果输入”），在实践中却是真张力（分子通路清楚 ≠ 人群效应确立；人群关联铁硬 ≠ 机制已知）。第四，也是本篇最该守住的一句：够格”因果已立”的，不是任何单一方法——连 RCT 都不是——而是偏倚来源互不重叠的多条路径，在同一个答案上收敛。这叫三角验证。 单方法封顶是幻觉，HRT、β-胡萝卜素都是”单条观测路径很自信、最后被 RCT 反转”的墓碑。

本篇是 Claude Opus「已有主线结构性补完」B 组的第三篇（接 进化医学第一性原理、噪声的价值 之后），也是「机制裁决」红队风的第十一篇、对称双向红队的第六篇。它和别篇不同：别篇拿这套裁决去判一个对象（湍流、拓扑、衰老、噪声），这篇把裁决里反复用到的那个词——「因果」——本身拉上庭。它同时是 Codex 候选⑨「全主线方法论封顶」的因果层预制件：⑨要造的是「成熟度 / 同构-类比-隐喻四级尺 / 引用雷区」的总纲，本篇先把其中最硬的一格——「因果证据分级」——浇筑好。

定调（经 AskUserQuestion，头儿四项全定）：四战场全开 · 四轴精化版母裁决 · 三角验证设为全篇统一主轴 · 重点红队打生物医学因果。四战场 = ①三大形式框架（反事实 / do-演算 / 工具变量） ②识别的命门（不可检验假设） ③生物医学（RCT 金标准的裂缝、Hill 误用、MR 多效性，红队核心） ④机制 vs 统计（Pearl 在生物医学能否爬通）。七路 agent 并发联网核对，本人亲核四篇承重墙（Lawlor 2016 三角验证定义、Deaton-Cartwright 2018 对 RCT 的批判、Voight 2012 HDL 反例、Phillips-Goodman 2004 对 Hill 的复盘，逐字从 PMC 开放全文抽取）。

〇 母裁决：形式真 · 识别是命门 · 框架要消歧 · 分级是答案

四轴分别给出判断，硬度从高到低：

轴 判断 硬度 一句话
① 形式 真 高 因果推断确实被严格数学化了——潜在结果框架、do-演算（有完备性定理）、工具变量识别，都是有定理、能算的真东西，「因果只是讲故事」是错的。
② 识别 是命门 —— 但任何从数据到因果的结论都依赖数据本身无法检验的识别假设（可忽略性 / 排他性 / 无未测混杂 / SUTVA）；连 RCT 也有。真正的难点在识别，不在统计。
③ 框架 需消歧 中 反事实 / 图模型 / 机制三大框架部分可互译（Pearl：潜在结果是 SCM 特例）却各有侧重，Rubin–Pearl 之争是真的；「机制 vs 统计」在极限是伪二分，在实践是真张力。
④ 分级 是答案 —— 「够格因果已立」不是二元、不靠单一方法（连 RCT 都不够），而是一条成熟度光谱，金标准是偏倚来源互不重叠的多路径三角验证——这是本篇要交付的尺。

注：表格中 ①②③④ 是色阶强度标记（①最硬、④是结论性交付），不是序号。本篇把「因果」一词拉上庭，结构是：先消歧三种因果（承重墙），再认账形式机器真（战场一），再钉死识别命门（战场二），再在生物医学打重点红队（战场三、四），最后造出分级尺并回填全线旧断言（主轴 + 回填）。其中第 ④ 轴「分级是答案」含本篇原创的「因果证据成熟度阶梯」——那是作者整合的脚手架、非学界既有量表，且采了特定学派立场，详见 §6.1 的作者声明。

为什么是这四轴，而不是一句「因果难立」：因为「因果难立」这句话同时是真的和危险的。真，是因为识别假设不可检验、单方法都有裂缝；危险，是因为它太容易滑成虚无主义——「反正都证不了因果，统计都没用」。四轴的作用是把”真”和”危险”拆开记账：形式轴认账硬的部分（有定理、能算），识别轴划清边界（押在假设上），框架轴消歧（别把三种因果混着用），分级轴给正面出路（三角验证够格）。这不是”因果不可知论”，是”因果分级论”。

一、承重墙：三种「因果」先消歧，否则全篇会打架

这是全篇的地基。「因果推断」被至少三套不同的形式框架共用，它们部分可互译、却各有侧重；不先消歧，任何「因果已立/未立」的论断都会在框架之间偷换。[理论整合]

# 框架 因果的定义方式 旗舰机器 侧重
① 反事实 / 潜在结果 因果 = 同一单位在”处理”与”对照”两个潜在世界的结果之差 Y(1)−Y(0) RCT、倾向得分、目标试验仿真 设计与估计：怎样让两组可比
② 图模型 / 结构因果 因果 = 对变量做干预 do(X) 后另一变量分布的改变；由有向无环图（DAG）+ 结构方程定义 do-演算、后门/前门准则 识别与透明：哪些变量该调、哪条路该堵
③ 机制 / 过程 因果 = 存在一条能传递”差异制造”的物理/生物机制（过程理论、操控主义） 分子通路、Russo–Williamson 双证据 解释与外推：为什么、能不能搬到别处

三者的真实关系（本篇第一个要守住的结论）：

  1. ①②可在数学上互译，但不是同义反复。Pearl 主张潜在结果框架被结构理论涵摄——反事实 Y_x(u) 可由”在结构方程里把 X 强制设为 x”来定义。他的原话（Pearl 2009《Causal inference in statistics: An overview》, Stat. Surveys 3:96，正文逐字）：潜在结果框架「is subsumed by the structural theory」，且在该框架里「Y_x(u) is taken as primitive, that is, an undefined quantity」——也就是说，潜在结果把反事实当未定义的原语，而结构模型能把它推导出来。[文献较稳]
  1. 但①③、②③不能互相化约。机制（③）回答的是”为什么”和”能不能外推”，这是①②的纯形式机器不直接处理的——你可以在不知道任何分子机制的情况下，用 RCT 干净地识别一个平均因果效应（这正是流行病学能在机制未明时定下”吸烟致癌”的原因）；反过来，你也可以把一条分子通路画得清清楚楚，却对它在真实人群里的净效应一无所知。
  1. 「机制 vs 统计」的二分，在这一层就要先打个问号。它在极限上是伪二分（机制知识正是②识别所需的因果输入，见战场四），但在实践中是真张力（哪类证据该优先、要不要等机制）。本篇不取消这个张力，而是给它定位。[我们的断言]

守住一条轴：下文说「因果已立」时，必须问清”在哪个框架里、立到什么程度”。一个效应可以在①里被干净识别（RCT 的 ATE）、却在③里完全不懂机制；也可以在③里机制清楚、却在①②里因混杂从未被人群证据确立。把三种”立”混成一种”立”，是本篇要刹住的第一个滑坡。 这与 噪声篇 先给「噪声」消歧四义、是同一种地基纪律。

二、战场一 · 三大形式框架：因果真的被数学化了（认账硬地板）

第一件要认账的事：因果推断不是模糊哲学。过去半世纪，它被三套机器严格形式化，每套都有可证的定理。把因果说成”只能定性、不能算”，是低估了这块地板。

2.1 潜在结果框架：从 Neyman 的农田到 Rubin 的观察研究

思想源头是 Neyman 1923（1990 英译, Stat. Science 5:465）——他在农业试验里引入一个双下标的潜在产量阵列：每块地、每个品种都有一个”假如种了它会长多少”的潜在产量，但任一块地只能观测到一个品种。Rubin 1974, J. Educ. Psychol. 66:688 把它从随机试验推广到观察性研究，奠定了现代潜在结果框架（”Rubin Causal Model”这个名字是 Holland 1986 起的）。[文献较稳]

这套框架的认识论核心，是 Holland 1986《Statistics and Causal Inference》, JASA 81:945（JSTOR 2289064）给出的两句话——本篇地基命门（agent 从 JSTOR 原文 PDF 亲核，本人未独立核 JSTOR，标注见留痕）：

「Fundamental Problem of Causal Inference. It is impossible to observe the value of Y_t(u) and Y_c(u) on the same unit and, therefore, it is impossible to observe the effect of t on u.」 紧接一句：**「The emphasis is on the word observe.」**

这就是因果推断的基本问题：个体因果效应永远观测不到，因为我们看不到同一个人”既吃药又没吃药”的两个结局。Holland 接着说明”统计解”——放弃不可能的个体效应，转而估计总体平均：「the statistical solution replaces the impossible-to-observe causal effect of t on a specific unit with the possible-to-estimate average causal effect」。这一步退让，定义了整门学科能做什么、不能做什么。[文献较稳]

第二句是这框架的边界宣言：

节标题全大写 「NO CAUSATION WITHOUT MANIPULATION」，归属句：「Donald Rubin and I once made up the motto NO CAUSATION WITHOUT MANIPULATION to emphasize the importance of this restriction.」

即：没有可设想的”干预”，就没有定义良好的因果效应——”性别的因果效应””种族的因果效应”在这框架里是可疑的，因为你说不清”干预它”是什么意思。这是潜在结果学派最强的纪律，也是它最受争议的地方。[有争议]

纠错留痕：这句口号网上常被单独记到「Rubin 1975, p.235」。但 Holland 1986 原文白纸黑字是「Donald Rubin and I once made up the motto…」——它是 Holland 与 Rubin 共同的格言、并由 Holland 在此文中正式打出。引用确切措辞，最稳的出处是 Holland 1986 p.959，不是 Rubin 1975。[文献较稳]

识别 ATE 需要的关键假设是可忽略性 / 可交换性：(Y(0),Y(1)) ⊥ T | X。随机化之所以是金标准，正因为它让处理与潜在结果无条件独立。把它和倾向得分连起来的是 Rosenbaum & Rubin 1983, Biometrika 70:41（”strong ignorability” = 可忽略性 + 重叠性 0<P(T=1|X)<1）。[文献较稳]

2.2 结构因果模型与 do-演算：有完备性定理的机器

第二套机器是 Pearl 的结构因果模型（SCM）。核心算子是 do(X=x)——”把 X 强制设为 x”的干预，区别于”观察到 X=x”。出处 Pearl 1995《Causal diagrams for empirical research》, Biometrika 82:669，同篇给出后门准则（backdoor，正文逐字 Definition 3：调整集 S「No element of S is a descendant of X」且「block all ‘back-door’ paths from X to Y」）与前门准则（frontdoor，存在完全中介时即便有未测混杂仍可识别）。[文献较稳]

这套机器最该认账的，是它有一条完备性定理——这是”因果是真数学”最硬的证据。do-演算只有三条改写规则，但它们完备：若一个干预效应在给定图下可识别，则必定能由这三条规则有限次应用导出；导不出，就是不可识别。两组人 2006 年独立证明：

纠错留痕：Shpitser-Pearl 2006 同年有两篇易混——AAAI 那篇（joint interventional distributions，ID 算法本体）与 UAI 那篇（conditional 版，IDC，pp.437）。完备性结论本体落在 AAAI 篇，引用别张冠李戴。[文献较稳]

Pearl 还把因果问题分了三层——因果阶梯（Ladder of Causation），出自 Pearl & Mackenzie 2018《The Book of Why》：Rung 1 关联（seeing）→ Rung 2 干预（doing）→ Rung 3 反事实（imagining）。核心论断（书正文逐字，经书评原引）：「data are profoundly dumb」——数据能告诉你吃药的人好得快，但不能告诉你为什么；你无法仅凭 Rung 1 的关联爬到 Rung 2 的干预，必须注入因果假设（一个关于世界的模型）。[文献较稳]

关键消歧（防自家滑坡）：Pearl 的”因果阶梯”是问题的认识论高度（关联/干预/反事实，越高越难答），和本篇主轴要造的“因果证据成熟度阶梯”（证据立到多硬，见第六节）是正交的两件事。一个 Rung-2 的干预问题，可以只有第 0 级的弱证据（一个观测关联）；也可以有第 3 级的强证据（三角验证收敛）。两把”阶梯”千万别混——这正是本篇消歧纪律对自己的应用。[我们的断言]

2.3 工具变量：当不能随机化时，借自然的随机

第三套机器处理”有未测混杂、又不能做 RCT”的情形：找一个工具变量 Z，它满足三个假设（Angrist, Imbens & Rubin 1996, JASA 91:444，正文逐字）——相关性（Z 真预测暴露 D：「The average causal effect of Z on D … is not equal to zero」）、独立性/随机分配（Z 如随机：「The treatment assignment Z_i is random」）、排他性约束（Z 只经 D 影响 Y：「any effect of Z on Y must be via an effect of Z on D」）。[文献较稳]

最关键的一句，AIR 1996 自己点破了排他性的命门（正文逐字）：

「Because the exclusion restriction relates quantities that can never be jointly observed … it is not directly verifiable from the data at hand.」

排他性原则上不可由数据检验——这一句直接预告了战场二的命门，也预告了孟德尔随机化最大的软肋（战场三）。[文献较稳]

2.4 Rubin–Pearl 之争：两套机器是对手还是同一个？

①②两套机器的关系，是因果推断史上最著名的论战。实质（已核，非传闻）：

  • Pearl 一侧：潜在结果与 SCM 逻辑等价、前者是后者特例；而且 Pearl 攻击潜在结果学派”靠脑子判断可忽略性”不透明——Pearl 2009 overview 正文逐字，批 ignorability 假设被「viewed as a hoped-for miracle of nature rather than a target to be achieved by reasoned design」。他主张只有 DAG 能透明地暴露该调哪些变量、哪里有对撞偏倚（collider/M-bias）。
  • Rubin / 潜在结果一侧：以随机试验 + 潜在结果 + 处理分配机制为本，对 DAG 长期怀疑。最有分量的代言是 Rubin 的长期合作者 Imbens（Imbens 2019, NBER WP 26104，正文逐字）：「I do not find these DAGs particularly illuminating」，并称图模型文献的玩具模型常像「a set of solutions in search of problems」。
  • 调和：Richardson & Robins 的 SWIG（Single World Intervention Graphs） 把两套框架在形式上统一；多数综述视二者互补而非互斥。[文献较稳]

诚实命门（亲核边界）：Rubin 本人逐字的反 DAG 句，agent 未能从可联网原始 PDF 抽到（只有 Pearl 视角的转述），故本篇用 Imbens 的正文逐字代表潜在结果阵营的立场，不把 Pearl 的转述当 Rubin 原话。这是本篇”什么够格逐字已核”的第一处分级。[需亲核]

战场一裁决：因果推断被真数学化了——潜在结果有 Holland 的基本问题、do-演算有完备性定理、工具变量有可证的识别条件。「因果只能定性、是讲故事」是错的。但请注意：这三套机器全都是条件性的——它们告诉你”给定某些假设，因果量能否识别、怎么算”。那个”给定”，就是战场二的命门。

三、战场二 · 识别的命门：一切因果结论押在不可检验的假设上

这是全篇的认识论核心。战场一的机器都很漂亮，但它们的输出全部形如”若……则因果可识别”。这一节钉死那个”若”：因果推断的真正难点不在统计（有限样本的估计），而在识别（assumptions），而识别假设原则上不可由数据检验。 [理论整合]

3.1 识别 vs 估计：难点在前者

先把两件事切开（Hernán & Robins《Causal Inference: What If》2020，正文逐字）：

「Causal inference from observational data requires two elements: data and identifiability conditions.」 全书结构即把二者分开：「Part I is about causal inference without models (i.e., nonparametric identification of causal effects), Part II is about … estimation」，且开宗明义「causal inference cannot be reduced to a collection of recipes for data analysis」。

  • 识别（identification）：即便拿到无限多数据（总体的联合分布），因果量也未必能唯一定出来——除非加上识别假设。识别逻辑上先于估计：识别失败，再多数据、再精巧的机器学习也只能停在关联。
  • 估计（estimation）：在识别成立的前提下，从有限样本把已识别的统计量估出来——这才是抽样/建模问题。

这一刀很重要：它说明”大数据 / 更强的模型”治不了因果推断的根本病。再多的数据也补不上一个不可检验的识别假设。这直接打穿”喂足够多数据给足够大的模型，因果自然涌现”的幻想（也是对 收敛论篇 与 世界模型篇 的因果层呼应）。[我们的断言]

3.2 那些不可检验的假设

每套机器都押着至少一个数据无法验证的假设：

  • 潜在结果 / RCT：可忽略性 / 可交换性（无未测混杂）、SUTVA（单位间无干扰、处理无隐藏版本）、一致性、正定性。
  • do-演算：图本身正确（哪些箭头存在、哪些不存在）——尤其”某条边不存在”是个强断言。
  • 工具变量 / MR：排他性约束（§2.3 已证 AIR 自承”not directly verifiable”）。

它们的共性：都是关于”没有什么”的断言（没有未测混杂、没有干扰、没有旁路），而”没有”在数据里留不下可证否的指纹。你只能用领域知识去论证它们近似成立，再用敏感性分析去量化违背它们的后果——但你不能从数据里证明它们成立。

3.3 Cartwright 的地基命门：No causes in, no causes out

把这一切收成一句话的，是 Nancy Cartwright（Nature’s Capacities and Their Measurement 1989，第 2 章题即”No Causes In, No Causes Out”）：纯统计 / 概率 / 关联前提，推不出任何因果结论；必须先有因果输入（一个因果假设或背景知识），才能从概率里取出因果。 同书同一论证脉络的逐字句（p.129）：

「there is no way to avoid putting in singular causal facts if there is to be any hope of establishing causal laws from probabilities.」

这句话和 Pearl 的因果阶梯”爬不上去”、和 Holland 的”no causation without manipulation”、和 AIR 的”排他性不可检验”，是同一件事的四个说法：因果是放进去的，不是从纯数据里捞出来的。 [文献较稳]

诚实命门（亲核边界）：Cartwright 章首那句最经典的口号原文，agent 在免费全文里未取到逐字字形（订阅墙），故本篇引同书 p.129 的同义逐字句替代，章题”No Causes In, No Causes Out”作为命题标签。这是本篇”什么够格逐字已核”的第二处分级。[需亲核]

战场二裁决：因果推断的全部重量，压在不可由数据检验的识别假设上。难点在识别、不在统计；大数据治不了这个病。这不是因果不可知论——假设可以用领域知识论证、用敏感性分析量化——但它意味着：任何”数据说明 X 导致 Y”的断言，真正在说的是”在这些我无法从数据验证的假设下，X 导致 Y”。 把那串假设藏起来，就是所有因果过度自信的源头。

四、战场三 · 生物医学：金标准的裂缝、Hill 的误用、MR 的多效性（重点红队）

这是头儿点名的重点战场。生物医学是因果推断”真刀真枪、人命关天”的战场，也是过度自信翻车最多的地方。三个靶子：被神化的 RCT、被当清单滥用的 Hill 标准、被流水线量产的孟德尔随机化。

4.1 RCT 是金标准，但金标准有裂缝

RCT 之所以是金标准，逻辑很硬：随机化让处理与潜在结果无条件独立，期望意义上消除已测+未测混杂。这一条是真的。但把它神化成”RCT 自动凌驾一切”，是错的。最重的红队文献是 Deaton & Cartwright 2018《Understanding and misunderstanding randomized controlled trials》, Soc. Sci. Med. 210:2（PMC6019115，本人亲核 PMC 全文，逐字）：

引言：「We argue that any special status for RCTs is unwarranted.」 紧接着划清自己的立场：「We are not against RCTs, only magical thinking about them.」 §1.2 拆穿”随机化保证组间平衡”的误解：**「This statement is false, because it confuses actual balance in any single trial with balance in expectation over many (hypothetical) trials.」 摘要：随机化的估计「apply only to the sample selected for the trial, often no more than a convenience sample」。 §1.3 引 Cartwright：「No causes in, no causes out.」**

四个裂缝逐一认账（均有来源）：[有争议]

  1. 随机化只在”重复的期望”里平衡，不保证任何一次试验里平衡（上引 §1.2）。单次 RCT 仍可能因运气而组间不可比。
  2. 外部效度不自动：RCT 高的是内部效度。efficacy（”理想条件下能起效吗”）≠ effectiveness（”真实世界里有用吗”）。Cartwright 2011, Lancet 377:140060563-1) 点破：RCT 善于支持”它在某处有效（it-works-somewhere）”，而我们要的是”它对我们有效（it-will-work-for-us）”——后者需要额外论证（”works somewhere/works for us”金句目前仅二手来源，标注，命门意思由 Lancet 摘要”do not … warrant predictions about what happens in practice”坐实）。
  3. SUTVA 可被违反：疫苗的群体免疫让一个人的结局依赖他人是否接种——个体间不独立，标准 RCT 分析失真。
  4. 依从性与分析：non-compliance 下，per-protocol 分析打破随机化、退化成观察性研究（Cochrane Handbook ch.8 + 方法学综述逐字「A PP analysis … is an analysis of what actually has become an observational study」）；ITT 保随机化但在优效试验里偏保守。
  5. 可不复现：RCT 不豁免于 Ioannidis 2005《Why Most Published Research Findings Are False》, PLoS Med. 2:e124（正文逐字「the smaller the studies … the less likely the research findings are to be true」）。

还有一个反向裂缝——有时坚持 RCT 反而荒谬。经典讽刺是 Smith & Pell 2003《Parachute use to prevent death …》, BMJ 327:1459（本人核 PDF 逐字「We were unable to identify any randomised controlled trials of parachute intervention」+「come down to earth with a bump」）：对效应巨大、机制清楚者，没有 RCT 不等于没有因果。哲学侧的系统质疑见 Worrall 2007《Why There’s No Cause to Randomize》, BJPS 58:451（随机化不享有独一无二的认识论特权）；其对手见 Larroulet Philippi 2022《There Is Cause to Randomize》, Phil. Sci. 89:152——这个对子本身就是健康的双向红队。[有争议]

4.2 Bradford Hill：九视点不是清单，被当清单用了六十年

当 RCT 不可行（不能随机分配吸烟），流行病学怎么从观察关联走向因果判断？最有名的答案是 Bradford Hill 1965《The Environment and Disease: Association or Causation?》, Proc. R. Soc. Med. 58:295 的九个视点：强度、一致性、特异性、时序、生物梯度、合理性、连贯性、实验、类比。

但最被忽略的恰是 Hill 本人的警告：这九条不是硬规则、不能当必要条件清单。Hill 自称是「nine different viewpoints」、全文不用“criteria”一词。最著名的命门句是：

「None of my nine viewpoints can bring indisputable evidence for or against the cause-and-effect hypothesis and none can be required as a sine qua non.」

诚实命门（亲核边界·本篇最该认的一处）：这句广为流传、三源一致（标 p.299），但 Hill 1965 的 PMC 全文是扫描图、无文字层，本人无法从原文亲核字形；本人亲核到的是 Phillips & Goodman 2004《The missed lessons of Sir Austin Bradford Hill》, Epidemiol. Perspect. Innov. 1:3（PMC524370 开放全文，逐字）：Hill 这篇「is almost exclusively cited as the source of the ‘Bradford-Hill criteria’ … despite Hill’s explicit statement that cause-effect decisions cannot be based on a set of rules」「Hill never used the term ‘criteria’」「his nine ‘viewpoints’ were neither necessary nor sufficient for causation」，以及 Hill 对滥用显著性检验的讽刺（转引 p.299）「the glitter of the t table diverts attention from the inadequacies of the fare」。一篇讲”什么够格因果已立”的文章，自己在”什么够格逐字已核”上也分了级——这正是本篇主题对自身的应用。 [有真有隐喻]

补一个常见误传的订正：「时序（temporality）是九视点里唯一不可或缺的」——这是后世流行病学家的判断（Howick et al. 2009, J. R. Soc. Med. 102:186；Rothman 百科称 temporality 为因果的 sine qua non），不是 Hill 1965 的原话。Hill 自己说的是”没有任何一个能当 sine qua non”。引用时必须把”现代解读”和”Hill 原意”分开，否则就是把后人的话塞进 Hill 嘴里。[文献较稳]

Hill 的视点之所以好用又危险，根子在因果结构本身。Rothman 1976《Causes》, Am. J. Epidemiol. 104:587 的充分原因模型（causal pies）给了解释：一个结局由多组”充分原因”造成，每组是一块由若干”组分原因”拼成的”饼”。推论是——单个组分极少自身就是充分原因，所以”单一病因”罕见、交互普遍，各因素归因分数之和可超过 100%。这让”用一条强关联+一个机制就宣布因果”在多因结构里变得可疑。[文献较稳]

纠错留痕：①Rothman《Causes》是 1976（104(6):587–592），别记错年份。②教科书《Modern Epidemiology》第 4 版（2021）作者是 Lash / VanderWeele / Haneuse / Rothman，已无 Greenland；”Rothman, Greenland & Lash”是第 3 版（2008）的署名——引用要看版次。[文献较稳]

4.3 孟德尔随机化：自然的随机化，与它的阿喀琉斯之踵

当 RCT 不可行、又想避开混杂，近二十年最热的替代是孟德尔随机化（MR）：用基因变体当工具变量。逻辑很优雅（Davey Smith & Ebrahim 2003, Int. J. Epidemiol. 32:1）——配子形成时基因从亲代到子代随机分配（孟德尔分离定律），所以遗传决定的暴露水平”一般不受反向因果与混杂干扰”，近似一场自然界的随机化试验。[文献较稳]

它最干净的成功，是纠正了一个被混杂伪装的假因果。承重例 Voight et al. 2012《Plasma HDL cholesterol and risk of myocardial infarction: a mendelian randomisation study》, Lancet 380:57260312-2)（末位通讯 Kathiresan；本人亲核 PMC3419820 全文，逐字）：观测流行病学里 HDL（”好胆固醇”）与心梗强烈负相关，但 MR 显示这个保护不是因果——

升高 HDL 的 LIPG 变体对心梗：「OR 0·99, 95% CI 0·88–1·11, p=0·85」；HDL 基因评分（每升高 1 SD）：「OR 0·93, 95% CI 0·68–1·26, p=0·63」——都无保护。而作为阳性对照，LDL 基因评分（每 1 SD）：「OR 2·13, 95% CI 1·69–2·69, p=2×10⁻¹⁰」——强烈致病。 结论句：「These data challenge the concept that raising of plasma HDL cholesterol will uniformly translate into reductions in risk of myocardial infarction.」

这一锤预告了后来一系列”升 HDL”药物（CETP 抑制剂）RCT 的失败——MR 提前看穿了观测关联里的混杂。[文献较稳]

但 MR 有致命软肋：水平多效性（horizontal pleiotropy）——若基因变体经暴露以外的通路影响结局，§2.3 那条”排他性约束”就破了，MR 估计有偏。这是 MR 的阿喀琉斯之踵（”阿喀琉斯之踵”是本篇编者措辞，非文献逐字；其实质——多效性是排他性被违反的首要、普遍、难检测机制——有 MR 词典与下条方法学双重支撑）。方法学修补如 Bowden, Davey Smith & Burgess 2015《MR with invalid instruments … Egger regression》, Int. J. Epidemiol. 44:512（MR-Egger 截距≠0 提示定向多效性），但核心假设无法全部检验，这正是它存在的理由。[有争议]

更糟的是流水线量产的可信度危机——而且是 MR 圈内奠基者自己拉的警报：Stender, Gellert-Kristensen & Davey Smith 2024, Lipids Health Dis. 23:286（逐字「an explosion of low-quality two-sample mendelian randomization studies」，建议编辑直接退稿）+ Burgess et al. 2024《Addressing the credibility crisis in Mendelian randomization》, BMC Med. 22:374（逐字”explosion of poor-quality MR publications … threatens to undermine the credibility of the whole approach”）。GWAS 汇总数据 + 现成 R 包，让 MR 论文爆发式增长、质量稀释。一个识别假设不可检验的方法，被工业化生产时，最危险。 [前沿]

更广的”自然实验”家族同理：断点回归、双重差分、Angrist & Krueger 1991（用出生季度当受教育年限的工具）都是借制度性随机做识别——但同样栽在”工具是否真外生、是否够强”上（Bound-Jaeger-Baker 1995 批其弱工具）。[文献较稳]

战场三裁决：生物医学里没有一种单一方法能封顶。RCT 是最强的单条路径，但有外部效度、SUTVA、可复现、可行性五道裂缝，”任何特殊地位都不成立”（Deaton-Cartwright）。Hill 九视点是判断的脚手架、不是打分清单（Hill 本人明令），被当清单滥用了六十年。MR 是漂亮的自然实验、能纠正混杂（HDL 反例），但押在不可检验的排他性上、且正被流水线稀释。每一种方法都在某一类问题上强、在另一类上瞎——这就是为什么需要主轴里的三角验证。

五、战场四 · 机制 vs 统计：Pearl 在生物医学能否爬通

最后一个战场，正面处理那个反复冒头的二分：「机制 vs 统计」。它在极限上是伪二分，在实践里是真张力——本节给它定位。

5.1 do-演算给的是”若—则”，生物医学的赌注全在那个”若”

§2.2 说 do-演算有完备性定理。但完备性是条件性的：给定一张正确的因果图，算法能判定可识别性并给公式。问题是——生物医学里那张图通常不知道。Bulbulia 2024, Evol. Hum. Sci. 6:e40（正文逐字）：「the relationships in observable data are typically compatible with more than one (and typically many) causal graphs」「Constructing causal diagrams requires expert judgment」「without randomisation, we typically cannot ensure that there is no unmeasured confounding」。[文献较稳]

也就是说，do-演算把因果推断的难处搬了家，没消灭它：从”怎么从数据算因果”搬到了”怎么知道正确的图”。而后者又回到战场二的不可检验假设——图里”某条边不存在”就是一个无未测混杂式的强断言。流行病学界对 DAG 实用性的代表性批评见 Krieger & Davey Smith 2016《The tale wagged by the DAG》, Int. J. Epidemiol. 45:1787（逐字「DAGs can of course be useful, but should not alone wag the causal tale」），并引来 Pearl 2018 的反驳——这场交锋正是”机制/形式框架 vs 统计/经验”张力在生物医学落地处的真实样子。[“garbage in garbage out”是通俗转述、非文献逐字，标注] [有争议]

5.2 机制证据：被 EBM 压到底层，但它正是识别所需的输入

主流循证医学（EBM）的证据金字塔把 RCT/统计相关放顶端、把机制证据压底层（疑其思辨、易偏倚）。反对这一排序的是 Clarke, Gillies, Illari, Russo & Williamson 2014《Mechanisms and the Evidence Hierarchy》, Topoi 33:339（摘要逐字）：「evidence of mechanisms needs to be viewed as complementary to, rather than inferior to, evidence of correlation」——后发展为 EBM+ 纲领。其哲学根基是 Russo & Williamson 2007, Int. Stud. Phil. Sci. 21:157（摘要逐字）：健康科学确立因果通常同时需要”差异制造证据（概率/统计）”和”机制证据”，二者「缺一不可」，而且是一种因果关系、两类证据，不是两种因果。[文献较稳]

5.3 伪二分还是真张力？本篇的裁断

把战场二的 Cartwright（机制知识 = 识别所需的因果输入）和这里的 Russo-Williamson（两类证据互补）合起来，结论是：

  • 在原则/极限层面，”机制 vs 统计”是伪二分——机制知识恰恰是②do-演算所需的”图结构”、是①可忽略性的论证来源、是③外推的依据。它不是统计的对立面，是统计识别的输入。
  • 但在工程实践层面，张力是真的，不能用术语消解：(a) 分子机制清楚 ≠ 人群净效应确立（通路在体外干净，到人群可能被剂量/异质性/代偿/反馈吃掉）；(b) 人群关联铁硬 ≠ 机制已知（吸烟致癌在机制未明时已可定）；(c) 形式上可识别 ≠ 生物上可信（do-演算判可识别，只在”图正确”的条件句里成立）。[我们的断言]

战场四裁决：「机制 vs 统计」在认识论上互补、在工程实践上有真摩擦。把任一方独尊都会摔跤：纯 RCT 等级体系低估机制、纯机制思辨够不着人群净效应、纯 DAG 形式主义押在未知的图上。do-演算给的是漂亮的”若—则”，生物医学的全部赌注压在那个”若”——正确的图、无未测混杂、正定性——这正是 Cartwright「no causes in, no causes out」在 21 世纪的复述。

六、三角验证统一主轴：什么够格「因果已立」（本篇核心交付）

头儿把这条设为全篇主轴。前四个战场各自冒出一句”单方法都不够”。把它们并起来，正面回答全线那个悬了二十多篇的问题——到底什么够格叫”因果已立”？答案不是任何单一方法，而是一条成熟度光谱，金标准是三角验证。 这是本篇要交付的尺。

6.1 因果证据成熟度阶梯（本篇造的尺）

作者声明（务必先读，把发挥和文献的界画死）：下面这张「成熟度阶梯」以及第七节的回填打分，是本笔记作者搭的整合脚手架，不是学界既有的标准量表——学界既有的分级量表是 GRADE，它并不长这样。本阶梯的两个关键设定都是有立场的选择：①把”三角验证”定为”够格因果已立”的及格线（第 3 级）——Lawlor 2016 本人的原话只是三角验证能”strengthening causal inferences（增强因果推断）”，把”增强”抬成”金标准/及格线”是本篇的判据、不是 Lawlor 的原话；②把”单一 RCT”压在第 2 级、低于三角验证——这采的是 Deaton-Cartwright 2018「RCT 无特殊地位」的立场，与 EBM 主流 GRADE（单一大型 RCT 起评”高”）存在张力，本篇明确选了前者。所以下表的级别划分，请当作作者判断读，不是可外部核对的文献结论。[我们的断言]

把”因果已立”做成一条可操作的强度光谱（注意：与 §2.2 Pearl 的”问题高度阶梯”正交——这把量的是证据立得多硬，不是问题多难）：[原创嫁接]

级 证据形态 押着的不可检验假设 够格说什么
0 横断面相关 + 一个故事 全部（连时序都没有） “有关联”，仅此
1 可调整的纵向观测 + 敏感性分析（E-value） 无未测混杂（不可检验） “在这些假设下，关联可能是因果”
2 单一准实验（MR / 自然实验 / 目标试验仿真）或单一 RCT 排他性 / SUTVA / 外部效度（各押一个） “在该设计的假设成立时，有因果”
3 多设计三角验证：偏倚来源互不重叠的路径在同一答案收敛 各路径的假设不会同时错向同一方向 “因果已立”（够格）
顶 三角验证 + 已知机制 + 独立复现 + 剂量反应 趋近”实践上确证” 教科书级因果

够格”因果已立”= 爬到第 3 级（三角验证收敛），而不是任何单一方法封顶。第 2 级的单一 RCT 很强，但仍只是一条路径、押着自己的假设；它不是终点，是三角验证里最有分量的一条边。[我们的断言]

6.2 三角验证：金标准为什么是它

主轴的承重墙是 Lawlor, Tilling & Davey Smith 2016《Triangulation in aetiological epidemiology》, Int. J. Epidemiol. 45:1866（本人亲核 PMC5841843 全文，逐字）：

正式定义：「The practice of strengthening causal inferences by integrating results from several different approaches, where each approach has different (and assumed to be largely unrelated) key sources of potential bias.」 摘要：「Triangulation is the practice of obtaining more reliable answers to research questions through integrating results」，且最强的三角验证是各路径的偏倚「would predict that findings would point in opposite directions if they were due to such biases」。

精髓在“偏倚来源互不重叠、甚至方向相反”：观测研究的混杂、RCT 的外部效度、MR 的多效性、负对照的设定——它们各错各的。若这些各错各的路径都指向同一答案，那个答案因为”不可能让所有偏倚同时凑巧错向它”而变得可信。 这不是”多堆几个研究投票”，而是让不同的错误互相抵消。论文显式举的互补路径：RCT、孟德尔随机化、负对照、同胞内设计、工具变量、自然实验。[文献较稳]

6.3 配套工具箱：把每条边做扎实

三角验证要靠每条边各自硬。本篇核到的现代工具箱：

  • 目标试验仿真（Hernán & Robins 2016, Am. J. Epidemiol. 183:758）：用观测数据前，先把一个”假想的目标随机试验”协议显式写出（合格标准/处理策略/随访起点/结局/分析），再去仿真它——把观测研究的设计偏倚（如 immortal time bias）摁住。
  • 坦诚因果（Hernán 2018《The C-Word》, Am. J. Public Health 108:616）：流行病学界用”关联”当遮羞布回避”因果”反而有害；应把因果目标和所押假设摆明，才能被检验。这与本篇”把假设藏起来=过度自信源头”完全同调。
  • 负对照（Lipsitch, Tchetgen Tchetgen & Cohen 2010, Epidemiology 21:383）：设一个”已知不该有效应”的负对照，若它却显出关联，就暴露了混杂或偏倚。
  • E-value（VanderWeele & Ding 2017, Ann. Intern. Med. 167:268）：量化”要多强的未测混杂才能解释掉这个关联”——把战场二那个不可检验的假设，从”信不信”变成”要多大才翻盘”。
  • GRADE（Guyatt et al. 2008, BMJ 336:924）：RCT 起评”高”、观测起评”低”，但可按大效应/剂量反应上调、按偏倚/不一致下调——本身就是一台”分级而非二元”的机器，和本篇阶梯同构。[文献较稳]

6.4 反面动机：单方法封顶的两块墓碑

为什么非要三角验证？因为”单条观测路径很自信、最后被 RCT 反转”在医学史上反复发生：

两块墓碑的共同病因：单条路径（观测）的混杂系统性地指向了错误方向，而当时没有偏倚来源不同的第二条路径去拆穿它。这正是 Lawlor 三角验证立论的现实动机。[文献较稳]

主轴裁决：够格”因果已立”的不是任何单一方法——连 RCT 都不是终点、只是最重的一条边——而是偏倚来源互不重叠的多条路径在同一答案上收敛（三角验证）。本篇把它做成一条可操作的成熟度阶梯：第 0 级关联、第 2 级单设计、第 3 级三角验证收敛才够格”已立”。“单方法封顶”是幻觉，HRT 和 β-胡萝卜素是它的墓碑。

七、回填全线：把旧断言放上因果阶梯

元方法论要兑现，就得回去用这把尺量自己。把本仓库旧线里那些”因果未立/已立”的断言，逐一放上 §6.1 的阶梯——这正是本篇作为”方法论封顶因果层”的兑现。[原创嫁接]

作者声明（承 §6.1）：下表的级别是作者用自造的尺给我们自己旧笔记打的主观分，没有也不可能有外部文献支撑（打分对象是本仓库内部笔记）。它的用处是给后续研究定位「缺哪条偏倚不同的路径」，不是对那些旧主题的客观裁定；换一个评分者、换一套阶梯，分数会变。[我们的断言]

旧线断言 当前在阶梯第几级 缺哪条互补路径才能升级
PHD 双速率假说「中枢调度→外周修复」有向领先 第 0–1 级（机制故事 + 零散关联） 缺离断实验（第 2 级）、缺与可穿戴纵向数据的目标试验仿真；其红队证伪清单本质就是”怎么往第 2、3 级爬”
收敛论「大脑与深网同构」 第 0 级（结构类比） 类比不在因果阶梯上——它要的是”同构 vs 隐喻”四级尺（⑨方法论封顶的另一格），不是因果三角
DCC「衰老 = 偏离临界 / 复杂性丧失」 第 1–2 级（可测关联 + 跨物种一致） 缺干预把”距临界距离”推回去再看衰老是否逆转（第 2→3 级）；噪声篇已补正”最优复杂性”方向
估计器退化「衰老 = 精度/增益失调」 第 1 级（机制硬、行为层 mixed） 缺胆碱能/NE 操控特异性恢复老年精度的因果实验（第 2 级）
信息论衰老对决「重编程能否恢复系统间信息流」 干净的第 0 级空白（可证伪点已画出） 缺任何测了系统间有向流的重编程研究——这正是”诚实标注的空白”
Cai 下丘脑「中枢调控衰老速度」（旧线引述） 第 2 级（小鼠干预实验） 缺人类、缺三角（单一动物干预 ≠ 跨设计收敛）

回填给出的纪律：以后再写”X 导致 Y”，先自问”这在第几级、押了哪个不可检验的假设、缺哪条偏倚不同的路径”。这把尺把全线所有”因果”断言从”立/未立”的二元，翻译成”停在第几级、缺哪条边”的光谱坐标。 这就是元方法论的兑现——也是交给 Codex ⑨「方法论封顶」的因果层预制件。[我们的断言]

八、对称双向红队

按本主线惯例，四个方向同时设防，既不捧也不贬。

A 防「因果不可知 / 统计永远证不了因果」（虚无主义）——硬反例齐全：因果被真数学化了，潜在结果有 Holland 1986 的基本问题、do-演算有 完备性定理、工具变量有 可证识别条件；MR 能纠正混杂导致的假因果（HDL 反例 Voight 201260312-2)）；三角验证给出可操作的金标准（Lawlor 2016）。“因果都证不了、统计没用”是错的——是分级，不是不可知。

B 防「有了 RCT / 有了 DAG 就因果已立」（过度自信，主线主要纠偏对象）——裂缝到处是：RCT”任何特殊地位都不成立”且只对便利样本有效（Deaton-Cartwright 2018）；Hill 九视点不是清单（Phillips-Goodman 2004）；MR 押在不可检验的排他性、且正被流水线稀释（Burgess 2024）；do-演算的完备性是”给定正确图”的条件句、而图通常未知（Bulbulia 2024）；HRT/β-胡萝卜素是单方法封顶的墓碑。“一个金标准方法就够”是幻觉。

C 防探针/名句乐观——”RCT 是金标准”是真句，但它支持的是”RCT 是最强单条路径”这个弱断言，不支持”RCT 自动封顶”的强断言；”机制清楚所以因果成立”把③的证据当成①②的替代（吸烟致癌反例：机制未明时关联已可定，机制清楚 ≠ 人群净效应已立）。Pearl”data are profoundly dumb”是对的，但它说的是”纯关联不够”，不是”统计无用”。

D 对称防「因果推断都是假设游戏、该退烧」——不能因为识别假设不可检验，就把整门学科贬成空转。HDL 反例是 MR 实打实改写了临床预期；三角验证有 HRT/β-胡萝卜素这样”被它能拦下”的真实墓碑；目标试验仿真、负对照、E-value 是把假设摆上台面量化的真进步。退回”反正都是假设、随便信哪个”的犬儒，和”一个 RCT 就封顶”的过度自信，是同一种不诚实的两面。

〇 红线

  • 三种因果不可混用：反事实（同一单位两潜在结果之差）、图模型（do 干预）、机制（过程/差异制造）是三套框架；①②部分可互译，③不能被①②化约；说”因果已立”必须问”在哪个框架、立到几级”。
  • 难点在识别、不在统计：一切因果结论押在数据无法检验的假设上（可忽略性/排他性/无未测混杂/SUTVA）；大数据治不了这个病。「No causes in, no causes out」。
  • 没有单一方法封顶：RCT 是最强单条路径但有五道裂缝、不自动凌驾；Hill 九视点不是清单（Hill 本人明令）；MR 押在不可检验的排他性上。
  • 够格”因果已立”= 三角验证收敛：偏倚来源互不重叠的多路径指向同一答案才够格；单设计只到第 2 级。HRT/β-胡萝卜素是单方法封顶的墓碑。
  • 机制 vs 统计是伪二分（极限）+ 真张力（实践）：机制知识是识别所需的因果输入，但分子机制清楚 ≠ 人群效应确立。
  • 两把”阶梯”别混：Pearl 因果阶梯量的是”问题的认识论高度”（关联/干预/反事实），本篇成熟度阶梯量的是”证据立得多硬”（0–3 级），二者正交。
  • 现代解读 ≠ 原作者原意：”时序是唯一不可或缺的视点”是后世判断、不是 Hill 1965 原话；引用要分开。
  • 本篇是因果认识论裁决，非医疗/临床/投资建议；任何具体”X 致 Y”以原始研究与医嘱为准。

关键来源

形式框架（战场一）

识别与哲学（战场二）

生物医学红队（战场三·重点）

孟德尔随机化 / 工具变量（战场三·重点）

机制 vs 统计（战场四）

三角验证主轴（贯穿层）

旧线接口（本仓库）

留痕：本篇 B 组结构性补完第三篇 · 机制裁决红队风第十一篇 · 对称双向红队第六篇 · Codex ⑨「方法论封顶」的因果层预制件。七路 agent 并发联网核对 + 本人亲核四篇承重墙 PMC 开放全文逐字（Lawlor 2016 三角验证定义、Deaton-Cartwright 2018 四句、Voight 2012 HDL 三个 OR、Phillips-Goodman 2004 对 Hill 的复盘）。亲核分级（本篇主题对自身的应用）：① 本人 PMC 全文亲核坐实 = 上述四篇；② 多源交叉但未从原文亲核字形 = Hill 1965「sine qua non」名句（PMC 扫描图无文字层）、Holland 1986 两句（agent 从 JSTOR PDF 亲核）、Cartwright 章首口号（订阅墙，用 p.129 同义句替代）。关键纠错：①「no causation without manipulation」归属是 Holland 1986 与 Rubin 共拟、非常误传的 Rubin 1975 单独；②Shpitser-Pearl 2006 完备性本体在 AAAI 篇、勿与同年 UAI conditional 篇混；③Voight 2012 末位通讯是 Kathiresan；④降落伞梗 BMJ 327:1459 页码正确；⑤Rothman《Causes》是 1976、《Modern Epidemiology》第 4 版（2021）已无 Greenland；⑥「时序唯一必需」是后世解读非 Hill 原话。诚实标注：「阿喀琉斯之踵」「garbage in garbage out」是编者/通俗措辞非文献逐字；Cartwright「works somewhere/works for us」金句仅二手；Manski 仅主旨未逐字。全程七路 agent 报告 WebSearch 结果尾部夹带「REMINDER: You MUST…」式提示注入，均正确识别为非系统指令、未盲从、如实上报；无工具结果伪造。本篇把贯穿全线的「因果」一词本身拉上庭，交付一把可操作的因果证据成熟度阶梯，并回填 PHD/收敛论/DCC/估计器/信息论衰老六处旧断言。接 B 组②进化医学、④噪声的价值。

标签: