10、因果推理：从牛顿理论到现代方法的探索

因果推理：从牛顿理论到现代方法的探索

在科学研究中，因果推理一直是一个核心话题。牛顿曾表示，他无法从现象中发现引力属性的原因，也不愿对此进行假设。他主张基于从现象中推导出来的简单公理假设和归纳观察，形成数据驱动的解释模型，而不是像莱布尼茨那样从思辨假设出发。如今，科学和商业中发现的许多原因可能就像引力一样，是更深层次机制的代理表现。

实验验证因果效应的优势与局限

实验验证因果效应虽然难以深入理解背后的机制，但具有可重复性高的优势。医学中的元研究表明，通过大型随机对照实验验证的效应大多能够重复，而使用无实验控制的标准数据挖掘方法的研究则很少能重复。因此，经过随机对照实验检验因果推断的解释模型更可靠。然而，在人类行为或医学研究中，随机对照实验往往难以实施，这不仅因为成本高，还因为许多因果变量无法在随机对照研究中进行实验操纵。不过，准实验对于这些变量是可行的，它成本低，且在控制好混杂效应的关键假设下，能生成可靠的解释模型。

倾向得分匹配方法

准实验方法旨在利用观察数据实现类似于随机对照实验的受控比较。匹配设计是其中一种方法，常用于流行病学研究，例如评估吸烟对肺癌的影响。在匹配设计中，会将吸烟者和非吸烟者在可能导致肺癌的所有协变量上进行匹配，然后比较两组患肺癌的倾向。

对于高维数据，通常使用多元倾向得分来反映协变量与结果变量的混淆概率。最流行的倾向得分匹配样本方法基于逐步逻辑回归建模，具体步骤如下：
1. 选取所有可能对最终结果（如肺癌）产生独立因果影响的协变量（如性别、年龄和癌症病史）。
2. 构建一个逐步逻辑回归模型，根据这些协变量预测假定因果/暴露变量（如吸烟状态）的水平。
3. 构建一个独立样本，根据吸烟状