开展因果推断

Perform Causal Inference · 🔴专家 · 所属分类：科研数据与生物统计

观察性研究里混杂无处不在，直接把回归系数当成因果效应，很容易严重误导。它帮你从观察数据里审慎地估计因果效应——先用因果图理清路径，再用匹配或加权做估计，还会诚实地检查「万一有没测到的混杂」会不会翻盘。

适合谁

手里只有观察数据、却想回答「到底有没有效果」的流行病学、社科和临床研究者。

给它什么 · 得到什么

• 你提供：观察数据、明确的处理与结局、混杂变量清单或因果图（DAG），以及你的识别假设设想
• 你得到：因果效应估计（ATE/ATT 等）、协变量平衡诊断、未测混杂敏感性分析、假设说明，以及可复现代码（MatchIt/tmle）

怎么用

先来一句示例提问：「我想估计某种用药对结局的因果效应，已知这几个混杂变量，帮我用倾向评分匹配估计 ATT 并检查协变量平衡。」 触发后它会用 DAG 厘清混杂与识别路径、实施匹配/加权/双稳健估计、检查处理组协变量平衡，再做未测混杂敏感性分析。

提个醒

因果结论依赖一些无法用数据验证的识别假设（比如没有未测混杂），它会把这些假设讲明白并做敏感性分析，绝不把关联包装成因果。