Chapter_3
Introduction
子章节内容
本章探讨观察性研究在因果推断中的作用，以“行人抬头是否引发他人抬头”为例，说明观察性实验的局限性（如混杂因素：雷声或雨滴）。尽管随机实验是因果推断的黄金标准，但许多科学知识（如进化论、全球变暖）源于观察性研究。本章重点讨论观察性研究得出有效因果推断的条件。
技术重点（Technical Points）
- 核心理论：观察性研究通过模拟条件随机实验进行因果推断，需满足三个可识别性条件：一致性（consistency）、可交换性（exchangeability）和正定性（positivity）。
- 重要概念：
- 观察性研究：研究者观察并记录数据，但不干预治疗分配。
- 可识别性条件：满足时，观察性数据可计算因果效应（如IP加权或标准化法）。
- 应用场景：当随机实验不可行时（如伦理、成本限制），观察性研究用于估计干预效果（如心脏移植对死亡率的影响）。
细节要点（Fine Points）
- 案例分析：心脏移植观察性研究中，治疗组（移植）可能因病情更重（混杂因子L）导致死亡率偏高，使关联风险比（1.1）偏离真实因果效应。
- 辅助信息：随机实验中可识别性条件由设计满足；观察性研究中需额外假设这些条件成立。
- 相关背景：Rubin (1974) 和 Rosenbaum & Rubin (1983) 将可交换性与正定性结合提出“弱可忽略性”（weak ignorability）。
3.1 Identifiability Conditions
子章节内容
理想随机实验通过随机分配实现可交换性，使关联效应等于因果效应（如风险比0.7）。观察性研究因缺乏随机分配，需假设治疗分配仅依赖已测协变量L，才能视为条件随机实验。
技术重点（Technical Points）
- 关键公式：
- 条件可交换性：$$Y^a \perp!!!\perp A \mid L$$（给定L，潜在结果与治疗独立）。
- 正定性：$$\Pr[A=a \mid L=l] > 0$$（所有L层均有治疗机会）。
- 重要概念：
- 可识别性：若假设成立，观察数据分布唯一确定因果效应值；否则效应不可识别。
- 应用场景：Table 3.1 数据若来自观察性研究且三条件成立，可计算因果风险比=1（同随机实验）。
细节要点（Fine Points）
- 辅助信息：若可识别条件不成立（如存在未测混杂U），需其他方法（如工具变量，第16章）。
- 相关背景：经济学等领域因协变量难以完全测量，更依赖工具变量法；流行病学更倾向条件随机实验类比。
3.2 Exchangeability
子章节内容
边际随机实验中，治疗组与对照组因预后因素均衡分布而可交换。观察性研究中，治疗分配常与预后因素相关（如医生倾向对重症者移植心脏），需通过测量协变量L近似实现条件可交换性。
技术重点（Technical Points）
- 核心理论：
- 条件可交换性要求：给定L，所有预后因素（含未测变量U）在治疗组间均衡分布。
- 若存在未测混杂（如吸烟状况U），则 $$Y^a \not!\perp!!!\perp A \mid L$$。
- 重要概念：
- 混杂因子（confounder）：影响治疗分配和结局的变量（如基线病情L）。
- 应用场景：仅当L是唯一不均衡分布的预后因子时，Table 3.1 可视为条件随机实验。
细节要点（Fine Points）
- 案例分析：若医生偏好对非吸烟者（U）移植心脏，且U影响死亡率，则条件可交换性不成立。
- 辅助信息：无法经验验证条件可交换性（因反事实结果不可观测），需依赖领域知识测量足够L。
3.3 Positivity
子章节内容
正定性要求所有治疗组在协变量L各层均有存在概率（如重症组需有未移植者）。随机实验通过设计满足该条件；观察性研究中可能违反（如医生总对重症者移植）。
技术重点（Technical Points）
- 关键公式：
- 正定性定义：$$\Pr[A=a \mid L=l] > 0 \quad \forall l \text{ where } \Pr[L=l] \neq 0$$。
- 核心理论：
- 标准化风险与IP加权风险仅在正定性成立时有定义（否则无法模拟反事实）。
- 应用场景：若Table 3.1中无L=1且A=0个体，则无法估计重症组未移植的反事实风险。
细节要点（Fine Points）
- 辅助信息：正定性可经验验证（如检查L各层治疗分布），而可交换性不可。
- 相关背景：仅需针对实现可交换性的变量L检查正定性（无关变量如“蓝眼睛”无需考虑）。
3.4 Consistency: First, Define the Counterfactual Outcome
子章节内容
一致性（$$Y^a = Y \text{ when } A=a$$）要求反事实结果明确定义。需详细指定干预a（如心脏移植的具体手术规程），避免模糊性（如“体重增加”因机制不明定义不清）。
技术重点（Technical Points）
- 核心理论：
- 反事实结果 $$Y^a$$ 需对应充分定义的干预（如协议详述的移植流程）。
- 模糊干预（如“减肥”）的因果效应因依赖实现方式（饮食/运动）而定义不清。
- 重要概念：
- 治疗版本异质性：同一干预不同版本（如医生经验）可能导致不同因果效应。
细节要点（Fine Points）
- 案例分析：若心脏移植协议未指定医生经验，则Pr[Y^{a=1}=1] 因医院间经验分布差异而变化。
- 相关背景：充分定义干预依赖专家共识（如“跑步方向”视为无关），但模糊性无法完全消除。
3.5 Consistency: Link Counterfactuals to Observed Data
子章节内容
一致性第二部分要求观察结果Y与反事实结果 $$Y^a$$ 等价，需确保数据中存在干预版本a（如心脏移植需有至少10例经验的医生）。若数据中无匹配版本，需假设治疗版本无关变异（treatment variation irrelevance）。
技术重点（Technical Points）
- 核心理论：
- 若干预a未在数据中出现（如无经验≥10的医生），则无法链接 $$Y^a$$ 与Y（违反无条件正定性）。
- 应用场景：用5例经验医生数据估计a=1（要求10例）效应时，需假设经验差异不影响结局。
细节要点（Fine Points）
- 辅助信息：需收集治疗版本细节（如医生经验）以评估一致性；否则易因数据缺失妥协。
- 相关背景：常见错误——在未验证匹配前，用同一符号表示理论干预a和观察治疗A。
3.6 The Target Trial
子章节内容
观察性分析应模拟目标试验（target trial）：明确定义合格人群、干预、对照、结局和随访期。通过显式模拟提高因果问题清晰度，并指导协变量L的选择。
技术重点（Technical Points）
- 核心理论：
- 目标试验框架要求：指定干预细节（如“40岁起每年减重5%”），避免不现实干预（如“瞬时减重”）。
- 应用场景：估计减肥效果时，纵向数据可模拟持续干预，而横断面“肥胖vs非肥胖”对比隐含不可行干预。
细节要点（Fine Points）
- 辅助信息：
- 可归因分数（attributable fraction）：$$\frac{\Pr[Y=1] - \Pr[Y^{a=0}=1]}{\Pr[Y=1]}$$（需区分超额分数与病因学分数）。
- 相关背景：未明确干预时（如“减肥效应”），关联（肥胖-死亡率）仅作预测或假设生成，非因果解释。
逻辑连贯性说明
本章延续第2章随机实验基础，引入观察性研究的三个可识别条件（一致性、可交换性、正定性），为后续标准化/IP加权（第2章）和工具变量（第16章）提供框架。目标试验概念（3.6节）贯穿全书，尤其在时变处理（第III部分）中扩展。