8.2 因果推断工作流程与最佳实践

8.2 因果推断工作流程与最佳实践

本节摘要：把前七章收束成一条可执行的端到端流程：问题因果化、假设文档化、识别优先、估计双跑、反驳自动化、结论分级。本节给出流程清单、假设文档的模板要素、团队评审的质询清单，以及把因果结论接入决策系统的工程注意。

六步流程清单

第一步：问题因果化。 把业务语句翻译成因果量：处理是什么（策略而非变量名）、结果是什么、目标总体是谁、效应量选 ATE/ATT/CATE（第 1.2 节）。写不出这句话就还不该动手——它同时决定了后续所有方法选择。

第二步：假设文档化。 画因果图（第 2 章），把每条边的领域依据写进"假设文档"：边的方向由谁背书、哪些变量确定未测、怀疑但不确定的混杂列成清单。图与代码一起进版本管理，改图必须像改代码一样留 review 记录。假设文档的模板要素：变量表（类型、测量时点、是否处理前）、边清单（方向 + 依据 + 置信度）、已知缺口（未测混杂候选与第 4.6 节敏感性分析挂钩）。

第三步：识别优先。 对图跑识别（DoWhy 或手工按第 3.1 节五步），列出全部可行策略与各自所需条件。识别失败的图回到第二步改图——不要在这一步调估计器，方法救不了不可识别的问题。

第四步：估计双跑。 至少两种不同假设形态的估计器（如 IPW 与 AIPW、匹配与加权回归）交叉验证；结论分歧大时定位支撑域或模型错设问题（第 4.2、4.3 节）。所有诊断图（支撑域、SMD 平衡、权重分布）随报告归档。

第五步：反驳自动化。 安慰剂、子集重估、未测混杂扰动（DoWhy refute 流水线）+ E-value/Γ 敏感性量化。反驳结果不是脚注，与效应估计同权重呈现。

第六步：结论分级。 按证据强度给结论定级：随机化 + 反驳全过为最强；观察数据 + 稳健敏感性为可用；识别假设有争议或反驳有失败项为"探索性结论，禁止直接驱动重大决策"。分级写进结论首行，而不是文末免责声明。

常见故障与排查

⚠️ 故障一：效应估计异常大。先查支撑域（IPW 极端权重）与单位/时间窗错位，再看是否把结果变量当协变量控制（第 2.2 节对撞）。

⚠️ 故障二：匹配后协变量仍不平衡。回到倾向模型加入交互项或换非参数模型——放宽卡钳只会掩盖问题。SMD 大于 0.1 的协变量列表应逐条处理并留痕。

⚠️ 故障三：两估计器方向相反。几乎必是支撑域外推或处理定义不一致（ATT 与 ATE 目标错配），对照第 1.2 节的效应量定义逐项核对。

评审质询清单

团队评审因果分析时，以下问题应当能当场回答：处理的时间零点在哪里（第 7.1 节）？调整集是图推导的还是"有啥放啥"？哪些变量被刻意排除、为什么？敏感性分析在哪个强度翻案？效应属于哪个人群（LATE/ATT）？反驳四项各自的输出？——六问答不上任何一问，报告退回。

接入决策系统的工程注意

因果结论上线成策略（如 uplift 分数驱动的发券）时有三件工事：版本与回滚——分数模型上线要能一键回退旧策略，因为分数基于的历史数据分布会漂移；持续校验——线上保留小比例随机触达（不按分数），持续验证分数桶的实测增量（第 7.3 节分桶验证的在线版）；漂移监控——监控协变量分布与权重分布，漂移超阈值触发重训评审。因果结论不是一次性交付物，它是一条需要持续照看的生产管线。

落地脚本骨架

# 概念流程：六步的最小工程骨架（示意）
steps = {
  "1_问题因果化": "写出: 处理=?? 结果=?? 总体=?? 效应量=ATE/ATT/CATE",
  "2_假设文档化": "边清单+依据+未测混杂缺口表, 与代码同库版本管理",
  "3_识别":      "DoWhy identify_effect 或手工后门五步, 打印全部可行策略",
  "4_估计双跑":  ["IPW", "AIPW/DR"],   # 两种假设形态交叉
  "5_反驳":     ["placebo", "subset", "random_cause", "E-value"],
  "6_结论分级":  "最强/可用/探索性 三级, 写在报告首行",
}
# 每步产物落盘: 假设文档.md / 识别表达式.txt / 诊断图/ 反驳结果表
# 任何一步改动 → 回到第2步登记假设变更 → 全链重跑（管线化而非手工重做）
​

工程化的要害是"每步产物落盘、假设变更触发全链重跑"——把第 8.1 节的循环从一次性分析变成可回归测试的管线。团队的第一个因果项目就该按这个骨架搭，后期迁移的成本远高于一开始多写这层脚手架。

一页报告模板

因果分析报告的最小完整结构，按说服力排序：一、问题句（处理/结果/总体/效应量四元组，两行内）；二、结论句（效应点估计与区间、属于谁、分级标签）；三、识别论证（图 + 调整集 + 关键假设列表，各一行依据）；四、稳健性证据（双估计器对照、敏感性 E-value、反驳四项，做成一表）；五、限制与未测混杂候选清单。五段结构里第三段最常被跳过，而它恰恰是内行评审唯一逐字读的部分——识别论证的完整度，决定报告是"统计结果"还是"因果结论"。

反驳四项的判读表

四项全绿再加敏感性数字达标，报告才够"可用"级；任何一项异常都不应被注释掉，而应写进限制小节并触发回查——反驳的目的从来不是让结果好看，是让错误早一天被发现。

补充：假设文档的评审仪式

给假设文档配一个轻量评审仪式，性价比极高：半小时会议，因果图投在墙上，逐条边轮流由非作者发问这条边的机制是什么、反例是什么，答不上的边当场标黄。标黄边不强制删除，但必须进入敏感性清单与第 4.6 节挂接。仪式的产物是带颜色标记的图第二版，与代码一起提交评审。经验上每轮评审能揪出一到两条想当然的边，而那两条边往往正是后续结论翻车的位置——识别质量的最大杠杆从来不在估计器里，在这半小时里。

本节要点回顾

• 六步流程：问题因果化 → 假设文档化 → 识别优先 → 估计双跑 → 反驳自动化 → 结论分级。
• 假设文档三要素：变量表、边清单（含依据与置信度）、未测混杂缺口表。
• 故障三查：大效应查支撑域与对撞；不平衡回模型而非松卡钳；方向相反查目标量错配。
• 上线三工事：回滚、随机 holdout 校验、漂移监控。