经济学教授谈诺奖：因果推断革命让经济学家越来越像侦探(2)

记者：当时最让你觉得难以理解的地方在哪里？
李井奎：过去我们对因果关系的理解，总是认为有因有果，无论执果求因有多么困难，总是以为果与因都是清楚明白地可以被观察到的。我们想不到的是，因果关系其实并不能这样定义，要真正定义因果关系，必需借助于“反事实结果”，而之所以称为“反事实”指的是没有在事实上发生过。过去，我们考察因果关系，是借助于理论模型，“因”是外部环境参数，“果”则是模型的结论，也就是说，如果外部参数发生变化，那么模型结论就发生变化。“反事实结果”又称为“潜在结果”，它不是真实发生的。
借用19世纪英国哲学家约翰·斯图亚特·穆勒（John Stuart Mill）在逻辑学名著《逻辑体系》中曾经探讨的对因果关系说法就是：如果A吃了某道菜之后死了，那么，只有当A同时又没有吃这道菜之后还活着，这两种状态都为我们所观察到时，我们才能说，这道菜是A死去的原因。也就是说，只有当我们观察到A吃了某道菜死了，A没有吃这道菜时的生死情况是反事实结果，或者说潜在结果。
这就跟我们过去对因果关系的理论思考完全不一致。在认识因果关系上，最开始人们是很难接受这样的观念的。20世纪的英国哲学家罗素甚至将因果关系视为一种迷信。而同一时期得到发展的统计学，更是认为“相关不是因果”，恪守着因果关系是无法通过统计学加以研究的戒条。
记者：你刚才提到了“反事实结果”框架是解决因果推断难题的关键。你能给我们详细介绍“反事实结果”究竟是怎么回事吗？
李井奎：这一框架可以追溯到统计学家鲁宾(Donald B.Rubin)提出的基于处理效应（Treatment Effect）的因果推断理论。关于因果关系的思想在上个世纪二、三十年代就已经开始有了一些突破，但统计学界长时间以来不接受因果推断，他们认为因果推断不可能被研究。直到上个世纪70年代哈佛大学的统计学教授鲁宾提出基于“处理效应”的因果推断理论，也就是后来在经济学界广泛应用的“反事实结果”框架，才逐渐为人们所接受。在我的《大侦探经济学》一书的序章里，对“反事实框架”有详细的介绍。差不多与鲁宾教授同时，人工智能领域的权威专家朱迪亚·珀尔提出了因果关系的演算法——因果图（casual diagrams）框架。（编者注：朱迪亚·珀尓(Judea Pearl)，现加州大学洛杉矶分校计算机科学教授，“贝叶斯网络”之父，2011年因创立因果推理演算法获得图灵奖。