Medical Causation

核心概念

相关 ≠ 因果：观察到的统计关联可能来自：(1) 真实因果、(2) 混杂、(3) 偏倚、(4) 偶然。从相关到因果，需要更严苛的判断框架。

布拉德福德-希尔准则（Bradford-Hill Criteria，9 条）：

1. 强度（Strength）：关联越强，因果越可能（吸烟者肺癌风险增加 10-30 倍，远超常见混杂能解释的范围）
2. 一致性（Consistency）：不同人群、不同方法、不同研究者反复观察到
3. 特异性（Specificity）：特定暴露导致特定结局（这条最弱，许多因果并无特异性）
4. 时序性（Temporality）：暴露必先于结局——因果的必要条件
5. 剂量-反应（Biological Gradient）：暴露量越大，效应越大
6. 合理性（Plausibility）：与已知机制相符
7. 一致性（Coherence）：与已有知识不冲突
8. 实验（Experiment）：干预实验是因果最强证据
9. 类比（Analogy）：类似暴露已知有类似效应

反事实推理（Counterfactual）：因果的实质是「若 X 不发生，Y 是否仍会发生」。Rubin 因果模型用「潜在结局」框架严格化这一直觉——但反事实世界无法观测，只能通过随机化或准实验逼近。

医学直觉

9 条准则中，时序性是唯一必要条件——没有时序必无因果。其余各条是充分性的拼图，单条不满足不否定因果，但满足越多因果越可信。

最强证据来自实验（准则 8）——RCT 通过随机化构造「可交换的平行宇宙」，处理组与对照组在反事实意义上等价，差异即因果效应。这是 RCT 在证据金字塔顶端的根本原因。

合理性与特异性是「软」准则——我们对机制的理解总是不完整的，过度依赖合理性会错过反直觉的发现（如幽门螺杆菌致胃溃疡，最初被嘲笑）。

跨学科迁移

投资中区分相关与因果：「高 ROE 公司回报高」是相关；「高 ROE 导致回报高」是因果断言。可能混杂：高 ROE 公司本身处于好行业、估值已高、风险低。检验需问 Hill 准则——是否有一致性（多市场多期观察到）、剂量-反应（ROE 越高回报越高）、实验证据（随机分配 ROE 不可能，但自然实验可逼近）。

商业指标间因果关系：「NPS 高→复购高」是相关；「提升 NPS→提升复购」是因果。可能反方向（复购体验好的人更愿给高分）、可能混杂（产品本身就优秀）。检验：做 NPS 干预实验，观察复购是否随之改变——这是准则 8 的直接应用。

反事实思维的价值：投资决策后亏钱，「不投是否就不亏」无法验证——但用事前构建的「反事实组合」（如投了 A，反事实是同期投指数）来评估相对决策质量，比单纯看绝对盈亏更接近因果。这是优秀投资者的反思框架。

机制合理性陷阱：商业故事常以「合理性」充当因果——「AI 赋能降本增效」是合理性叙述，不构成因果证据。需追问实验或准实验证据，避免被「听起来合理」的叙述带偏。

练习题

单选：下列哪条布拉德福德-希尔准则是因果推断的必要条件？ A. 强度　B. 时序性　C. 一致性　D. 剂量-反应

案例题：观察到「使用付费功能的用户留存更高」，团队拟大力推送付费功能以提升留存。请用 Hill 准则逐条评估这一因果假设，并指出最可能的混杂与最关键的实验验证设计。

反事实题：Rubin 因果模型要求「可观测的潜在结局」与「不可观测的反事实结局」。在无法做 RCT 的商业场景中，如何用工具变量、断点回归或双重差分等准实验方法逼近反事实？请任选一种方法说明其逻辑。