一、因果推断导论：从相关到因果的跃迁
各位同学好，我是这门课的主讲人。在数据科学领域摸爬滚打十几年，我越来越觉得——因果推断，才是数据分析的终极形态。
为什么这么说？
你想想看，我们平时做数据分析，大部分时间在干什么？算相关系数、做回归、画热力图。这些工作有用吗？有用。但够吗？远远不够。
我举个例子。我在电商平台做顾问时，运营团队发现「用户点击广告后购买率更高」。于是他们加大广告投放，结果呢？购买率反而下降了。为什么会这样？因为点击广告的用户本身就有购买意向，广告只是「相关」，不是「原因」。
这就是因果推断要解决的问题。
核心观点：相关不等于因果。没有因果推断的数据分析，就像没有地图的航行。
1.1 什么是因果推断
因果推断，说白了就是回答「如果...会怎样」的问题。
- 如果给病人吃这个药，病情会好转吗？
- 如果给用户发优惠券，他们会多买吗？
- 如果调整算法策略，点击率会提升吗？
这些问题有一个共同点：它们都涉及「干预」。因果推断就是研究干预效果的学问。
我个人习惯把因果推断拆成三个层次：
- 看见相关——发现两个变量一起变化
- 推断因果——判断哪个是因，哪个是果
- 量化效应——算出原因到底产生了多大影响
大多数数据分析停留在第一层。因果推断帮你走到第二、第三层。
1.2 为什么需要因果推断
你可能要问：我做个普通数据分析师，不搞因果推断行不行？
嗯，这个问题我认真想过。答案是：可以，但天花板很低。
我见过太多这样的场景：
- 产品经理说「用户停留时间越长越好」，于是拼命加功能。结果用户被搞晕了，流失率飙升。
- 运营说「发短信能召回用户」，于是狂发短信。结果用户投诉骚扰，卸载了App。
- 老板说「上个月销售额涨了20%，这个月继续加预算」。结果市场变了，预算打了水漂。
这些问题，本质上都是混淆了相关和因果。
我的经验：在工业界，能区分相关和因果的数据科学家，薪资普遍高出30%-50%。这不是偶然的——因为企业需要的是能「做决策」的人，不是只会「看报表」的人。
1.3 因果推断与统计关联的区别
这个区别，我用一张表说清楚：
| 维度 | 统计关联 | 因果推断 |
|---|---|---|
| 核心问题 | 变量是否一起变化？ | 改变X会导致Y变化吗？ |
| 分析方法 | 相关系数、回归 | DAG、工具变量、双重差分 |
| 数据要求 | 观测数据即可 | 需要干预或准实验设计 |
| 结论性质 | 描述性 | 可操作性 |
| 典型陷阱 | 混淆变量、反向因果 | 违反可忽略性假设 |
举个例子你就明白了。冰淇淋销量和溺水人数高度相关。统计关联告诉你：它们一起涨一起跌。但因果推断告诉你：别傻了，是夏天这个「混淆变量」在起作用。
我曾经帮一家保险公司做分析，他们发现「买了运动保险的人理赔率更低」。统计上看，运动保险和低理赔率相关。但因果推断揭示：是因为买运动保险的人本身就更注重健康，而不是保险降低了风险。
避坑指南：我曾经犯过一个错误——看到A和B强相关，就建议业务方「多做A来提升B」。结果花了三个月，B纹丝不动。后来才发现，是C同时影响了A和B。从那以后，我养成了画因果图的习惯。
1.4 课程概览与学习路径
这门课一共30章，我把它分成四个模块：
先给你看看整体知识框架：
具体来说：
- 基础篇（第1-5章）：因果图、潜在结果框架、混淆偏差。这部分是地基，我建议你多花点时间。
- 方法篇（第6-15章）：匹配法、工具变量、双重差分、断点回归。每个方法我都会结合真实案例讲。
- 实战篇（第16-25章）：Python代码实现、数据清洗、结果解读。这部分我会带着你一行一行写代码。
- 进阶篇（第26-30章）：因果森林、元学习器、与深度学习结合。前沿方向，但我会讲得接地气。
学习建议：我个人的经验是，不要一上来就啃理论。先拿一个你手头的数据集试试——画个因果图，看看能不能找到混淆变量。动手做一遍，比读十遍书管用。
最后说一句。因果推断不是万能的，但没有因果推断的数据分析是万万不能的。这门课不会教你「所有问题的答案」，但会给你一套「问对问题的方法」。
准备好了吗？我们开始。
公众号:蓝海资料掘金营，微信deep3321