Page 205 - 《社会》2022年第3期

社会·2022·3

（chain）、叉状（fork）和反叉状（inverted fork）三种因果图的基础构型。 在
第三部分，我们将区分不同构型通路对应的开启和阻断规则，并阐明在
因果图框架下因果推断的三大偏差来源（未控制混淆变量、过度控制中
介变量、错误控制碰撞变量）。在第四部分，本文尝试将因果图分析框架
与当前主流因果分析系统进行兼容：使用因果图阐释包括遗漏变量、样
本选择、自选择及联立性偏误在内的四种内生性问题；使用因果图呈现
多元回归与匹配、代理变量、实验、工具变量、面板模型等因果推断方法
的运行机制。 第五部分则基于因果图框架澄清一些因果分析中的常见
误读。

二、因果图的概念和要素

因果图最早由计算机科学家、图灵奖得主朱迪·珀尔（Judea Pearl）
提出，并在不同领域学者们的共同努力下逐步发展和完善，其中计算机
科 学 与 流 行 病 学 相 关 学 者 的 贡 献 最 为 突 出 （参 考 Greenland，et al.，
1999；Hernán and Robins，2020；Pearl，2009）。 社会学家摩根、温什普等人
（Elwert and Winship，2014；Morgan and Winship，2014）较早意识到因果图
在理解因果问题中的重要价值， 并致力于在社会科学领域推广这一方
法。 然而，迄今为止，因果图在社会科学领域获得的关注尚少（现有的一
些介绍性讨论分散在不同学科，包括 Marcus，et al.，2018；Montgomery，et al.，
2018；Rohrer，2018 等），也未曾引起国内社会学界的注意。
事实上，社会科学研究者对因果图背后的逻辑和动机并不陌生。因
果图通过节点、 线段和箭头三种元素的组合以图像化的方式直观呈现
不同变量间的关联， 在形式上与 20 世纪 90 年代流行的基于结构方程
模型的路径图（path diagram）类似（Spirtes，et al.，1998）。 此外，很多学者
习惯在日常讨论中用点线图辅助表达分析思路， 尽管这些图示往往不
呈现在正式的论文里，仍然是实证研究过程中的重要一环。 朱迪·珀尔
等学者则通过定义明确的规范和逻辑，将这些随手摹绘的“示意图”化
用为因果分析的利器。
（一）因果图的元素构成与基本构型

因果图由三项元素构成：节点、线段和箭头。 首先是代表特定变量
的节点，本文统一使用 T 表示解释变量（干预变量），Y 表示被解释变量
（效应），X 表示信息可被获取的相关变量，U 表示信息不可获取的相关

· 198·