Page 214 - 《社会》2022年第3期

图形的逻辑力量：因果图的概念及其应用

或 C 和 B，或 C、A 和 B 才能满足非因果通路的 D 分隔条件；若只控制
变量 C 会带来内生性选择偏差。

图 3：因 果 图 运 用 案 例

四、因果图视野中的内生性问题

本部分尝试基于因果图视角重新审视并解读传统因果分析中关注
的元素，进而将因果图与现有因果知识框架融合起来。 接下来，第一小
节讨论如何用因果图理解传统因果分析中的四类内生性问题； 第二小
节用因果图呈现一些主流因果推断方法的运行逻辑和适用场景。
（一）理解内生性问题
传统因果效应框架下， 内生性问题源于多元线性回归设定中的零
条件均值假设（zero conditional mean）。 该假设要求在给定所有控制变量
的情况下，多元线性回归中误差项 u 的条件期望为 0：
y = 茁 0 + 茁 1x 1 + 茁 2x 2 + … + 茁 kx k + u 中，
E（u｜x 1，x 2，…x k ） = 0
如该假设满足，则称相关控制变量为外生的；若该假设无法满足，
即解释变量或控制变量中存在 x j 与误差项 u 相关时， 即为内生性解释
变量，由此带来的就是内生性问题（ Wooldridge，2002，2010：54、87）。 回
顾本文第一部分对哪些变量应当被纳入因果图的讨论 （图 1 右图），其
条件为当某个变量对应的误差项与因果图中其他变量均无关时， 该误
差项中的因素就不必显示于因果图中。 可见，不再指定具体回归形式之
后，外生性条件与因果图中的变量筛选条件是一致的。 也就是说，一幅
完整的因果图应能对应地呈现所有内生性问题。 陈云松、范晓光（ 2010）
将由内生性导致的相关问题汇总为四类，包括遗漏变量、自选择、样本
选择和联立性。 本小节即在此框架基础上探讨如何使用因果图方法理

· 207·