读博日记20260804：计算政治学如何论证因果性？

今天复习到了《计算政治学概论》的第四章，计算政治学的方法范式。

这一章承接了第三章的内容，也就是怎么用所谓的数据、算法、算力和AI去做研究。并且这章和孟天广老师的这篇文章关系非常紧密——《政治科学视角下的大数据方法与因果推论》（政治学研究 2018）。除此之外，在谈方法清单这部分，又与苏毓淞老师经常使用的方法密切相关——列举实验、匹配法、多重插补、无应答处理等等。

从写作方法来说，这一章在开篇就立了一个靶子：

计算方法与传统的政治学研究范式在本体论、知识论和方法论等层面产生了激烈的交锋和碰撞。这引发了学界关于大数据能否推动因果推断、能否与小数据分析相结合、能否理论创新提供支撑等一系列基本问题的思考和争鸣。

换句话说，学界普遍认为“计算方法只能做相关性，不能做因果性”。这实际上是由来已久的偏见，不仅仅是计算方法，而是大部分采取量化的研究最容易遭到质疑的点，也是我曾经不了解量化方法、不懂量化论证的时候存在的一个偏见。量化方法天然具有的优势是，能够将那些不太直观的、不够结构化的数据，重新梳理、清洗，进而变得结构化，变得直观且易于分析，因而量化方法往往被用来进行描述分析。各种纷繁复杂的图表和统计软件又强化了这一点。久而久之，使用量化方法进行因果论证就显得有些少见。所以，当我在论坛或组会上看到量化文章，往往想起的第一个批判就是：

“你如何论证你选取的变量二者之间是因果性而不是相关性？”

这也是这一章主要处理的问题，试图回答“基于计算方法开展因果推论不仅是可行的，而且应该是社会科学研究追求的目标。（073）”

但是我带着这个问题阅读了下去，却没有得出一个显而易见或非常直观的答案。抛去第一节谈论方法史，正式谈论因果问题的部分在第二节。教材是这么总结传统看法的表述的：

计算方法传统上被认为是数据驱动的、以数据密集化为特征的知识发现过程，其目标是运用机器学习把非结构化的、高维的、海量的数据转化为结构化的、可被理解的社会知识，因此被视为探索性（相关性）分析方法而非因果性分析方法。（070）

吉姆·加里（Jim Gray）的立场：计算方法利用相关关系即可建立预测模型，满足政府、企业等知识消费者预测社会行为的知识需求，精准指导社会或经济干预。

由此得出的批评：计算方法是"数据驱动"而非"理论驱动"，在描述性（相关性）研究中具有优势……但在因果性（解释性）研究中却表现乏力。

这里的总结非常到位，不仅解释了传统方法的局限，还谈到了LLM时代的新型研究范式，即“数据驱动（Data Drive）”。我们无需进行复杂的社会调研或依靠经验阅历，凭借大语言模型的暴力算法的暴力求解，我们就能如同Fable 5解决雅可比猜想一样，把社会科学中可能存在的相关性全部求一遍，并且据此得到一些新的知识。

但是在解释计算方法如何破解因果性这里，我觉得有些不清晰，或者非常含糊，教材列出了计算方法所具有的七项方法论功能，我做了一个表格，具体如下：

计算方法的七项方法论功能

	功能	内容
1	数据采集	获取既有方法无法采集或处理的海量数据，提供新素材和新问题
2	数据管理和挖掘	用数据库技术和 NLP 对非结构化数据进行数据清洗、检索和实体识别
3	测量方法	将高维、复杂和非结构化数据转化为低维的结构化数据，其本质就是测量模型。以文本为例，挖掘出的主题、聚类或情感就是文本结构化的过程——这与传统因子分析、项目反应理论等测量方法类似
4	描述性推论	用分类、聚类方法理解政治现象的状态、分布或趋势变化，作为因果推论的前期准备
5	相关性推论	考察政治现象之间的相关关系（可视化、相关系数、群体比较）
6	因果推论	基于以上测量的概念与相关关系，与传统统计方法、小数据方法、实验方法、定性方法相结合
7	预测性分析	回归模型、决策树、神经网络等；大数据基于多主体、海量数据、时效性数据和多模态数据，可以有效提升预测研究的效度和效率

我总结一下，大体的逻辑是这样的，计算方法在因果链条中承担的不是“识别因果”这一步，而是“测量变量”这一步。机器学习从文本中提取的主题、情感，本质上和因子分析提取的潜变量是同一类东西，识别因果仍然由传统统计模型完成。

其实说白了，计算方法只能解决测量模型这一端的问题，能够增强测量模型，但是在结构模型这一步，目前来说仍然是非常羸弱的。那换句话说，如果计算方法只负责测量，那"计算方法能做因果推断"这个说法是否名不副实？

其实读到这里我就已经比较失望了，原先我以为计算方法能够以某种高大上或复杂的算法模型或仿真模拟模型解决这个因果问题，结果还是要回归到传统的统计模型中去做因果识别。这和我在深圳大学参加论坛的时候郭靖老师提出的论点是一致的。

这一章的第四节也进一步的印证了我的想法。

计算方法对测量模型和结构模型的强化，并且重点强调了使用大数据计算方法与小数据分析相结合进行因果分析。

写到这里，那就从头做一个梳理，刚好在上海参加讲习班的时候重点讲了因果推动的相关课程，虽没能在现场买到付舒老师亲笔签名的《政治科学中的因果推断》（骗你的不在现场也没钱买，过段时间孔夫子二手书见）简单谈一谈量化方法究竟是如何实现因果推断的。

量化方法究竟如何实现因果推断？

因果问题问的是：“如果同一个研究单位接受另一种处理，结果会怎样？”然而，对同一个人在同一个时点，我们只能观察他接受处理或不接受处理之后的一个结果，不能同时观察两个世界。因此，因果效应不可能像年龄、收入或投票数那样被直接记录。

因此，量化因果推断的核心工作就是建立一条反事实替代规则：在什么条件下，另一组人的结果、同一单位在另一时点的结果，或阈值另一侧单位的结果，可以替代我们没有观察到的那个潜在结果？所以，问题的关键就在于找不同的“替代”方案。

不同方法的名称虽然很多，其认识论结构其实相同：

\text{因果问题} \longrightarrow \text{目标量} \longrightarrow \text{反事实替代规则／识别} \longrightarrow \text{估计与不确定性} \longrightarrow \text{敏感性与外推}.

随机实验说：“由于处理由随机数决定，对照组在平均意义上可替代处理组未接受处理时的结果。”条件调整说：“在处理前协变量相同的单位之间，处理状态可视为可交换。”回归断点说：“在阈值的无限小邻域内，阈值两侧单位的潜在结果原本应连续。”双重差分说：“若没有政策，处理组与对照组的结果变化本应保持平行。”工具变量则说：“某个外生鼓励只通过改变实际处理影响结果，因而它造成的结果变化可用于识别被鼓励改变行为者的效应。”

所以，量化方法并不从数据中无条件地“证明因果”。它提出一个明确的反事实目标，用研究设计和实质知识建立可观测替身，再用统计学判断数据与目标量之间还剩多少随机误差。可信的因果结论始终是：

\boxed{ \text{因果结论} = \text{数据} + \text{研究设计} + \text{识别假定} + \text{估计与诊断} }

其中任何一项都不能由“大样本”三个字替代，甚至就算我们获得了所谓的“全量数据”，也无法实现因果推断，因为我们无法获取另一个时空的另一个选择。（有种平行时空的感觉）

那么，这里就有一个疑问了，为什么因果效应天然不可直接观察？我看到了A推动了B，难道A与B之间不就是存在因果关系的吗？我们换个方式进行表达。

令 $A_i\in\{0,1\}$ 表示单位 $i$ 是否接受处理， $Y_i(1)$ 表示它在处理状态下的潜在结果， $Y_i(0)$ 表示它在对照状态下的潜在结果。单位层面的因果效应为：

\tau_i=Y_i(1)-Y_i(0).

实际观察到的结果却只有：

Y_i=A_iY_i(1)+(1-A_i)Y_i(0).

若 $A_i=1$ ，我们观察 $Y_i(1)$ ，但 $Y_i(0)$ 缺失；若 $A_i=0$ ，情况相反。这就是 Holland（1986）所概括的因果推断的根本难题。增加十亿条行为记录也不会让同一单位同时处在两个互斥世界，因此大数据不会从逻辑上消除这一难题。

研究者通常转而定义群体平均量，例如总体平均处理效应：

\operatorname{ATE}=\mathbb E[Y(1)-Y(0)],

或对已处理者的平均处理效应：

\operatorname{ATT}=\mathbb E[Y(1)-Y(0)\mid A=1].

平均效应之所以可能识别，不是因为个体反事实突然被观察到了，而是因为在某种交换性条件下，一组单位的平均结果可以替代另一组单位缺失的平均潜在结果。这也意味着，即使随机实验能很好地识别 ATE，它通常仍不能识别每个个体的 $\tau_i$ ；从平均效应跳到“这个具体的人会怎样”，需要额外的同质性、模型或重复观察假定。

观察数据中最自然的做法，是比较接受处理者与未接受处理者的平均结果：

\Delta_{\text{obs}} =\mathbb E[Y\mid A=1]-\mathbb E[Y\mid A=0].

把它展开可得：

\begin{aligned} \Delta_{\text{obs}} &=\mathbb E[Y(1)\mid A=1]-\mathbb E[Y(0)\mid A=0]\\ &=\underbrace{\mathbb E[Y(1)-Y(0)\mid A=1]}_{\operatorname{ATT}} +\underbrace{\left\{\mathbb E[Y(0)\mid A=1]-\mathbb E[Y(0)\mid A=0]\right\}}_{\text{选择偏差}}. \end{aligned}

第二项问的是：即使谁都没有接受处理，现实中的处理组与对照组本来是否就会不同。政治传播研究中，主动接触政治新闻者本来就可能更关心政治、更有投票倾向；政策试点地区也可能本来就有更强的行政能力。只要这项不为零，组间差异就混合了处理效应与选择过程。

这条分解是理解全部量化因果推断的入口：每一种可信设计都必须说明，它凭什么让选择偏差为零、可被调整、可由其他差分消除，或至少能被界定在一个可接受范围内。

此外，量化方法之所以经常会被误解，也和量化方法本身的复杂性有关。如果我们要说存在因果关系，从相关性要因果关系之前，至少有六个不同层次。

层次	要回答的问题	示例	常见错误
理论问题	想知道哪一种政治干预会改变什么？	提高一次政治消息曝光是否改变投票率？	把“相关因素”当成可干预原因
估量（estimand）	要估计谁、在哪个时间窗、哪一种平均效应？	该平台活跃用户的 30 日 ATE；依从者的 LATE	只写“ $X$ 对 $Y$ 的影响”
识别（identification）	在哪些假定下，反事实量可写成观测分布的函数？	随机化、条件交换性、平行趋势	把可计算误当成可识别
估计器（estimator）	用有限样本中的什么规则求值？	均值差、匹配、IPW、AIPW、局部线性回归	把某个软件命令当成研究设计
估计值（estimate）	这批数据给出了什么数值？	$\widehat\tau=0.021$	把一个点估计当成真值
推断与运输	随机误差多大？结论能否推广到目标人群或制度？	置信区间、随机化推断、样本到总体加权	把平台内大样本当成全民代表性

Lundberg、Johnson 与 Stewart（2021）强调，研究必须先说清“你要估计的量是什么”。这一要求并非术语洁癖，因为 ATE、ATT、LATE、阈值处的局部效应、某一处理批次在某一时期的 ATT，以及网络直接效应，可能都是完全不同的理论问题。同一个回归系数只有在目标量与识别条件明确时，才知道自己到底代表什么。

还需要进一步区分识别与统计推断。识别是一个无限数据下的逻辑问题：即使知道完整的观测分布，目标反事实是否仍有多个可能答案？统计推断则是有限样本问题：假设答案已经由设计唯一确定，我们用这批样本估得有多不精确？增加样本主要缓解后者；如果前者没有解决，更窄的置信区间只会让错误答案显得更加精确。

但是！有一个最简单的因果推断，那就是随机分配。

随机分配为什么能识别平均因果效应？

在理想随机实验中，处理分配 $A$ 由一个与潜在结果无关的随机机制决定：

A\perp\!\!\!\perp\{Y(1),Y(0)\}.

于是：

\mathbb E[Y(1)\mid A=1]=\mathbb E[Y(1)], \qquad \mathbb E[Y(0)\mid A=0]=\mathbb E[Y(0)].

再利用一致性——接受处理者的观测结果等于其 $Y(1)$ ，未接受处理者的观测结果等于其 $Y(0)$ ——便有：

\begin{aligned} \operatorname{ATE} &=\mathbb E[Y(1)]-\mathbb E[Y(0)]\\ &=\mathbb E[Y\mid A=1]-\mathbb E[Y\mid A=0]. \end{aligned}

这就是随机实验中“均值差具有因果意义”的完整表达。因果性不是由 $t$ 检验、回归或 $p$ 值给予的，而是由研究者真实掌握的随机赋值机制给予的。 $t$ 检验只负责告诉我们，在该机制下，有限样本中的差异有多不稳定。

随机化也不意味着一次实现中的两组在每个协变量上完全相同。它意味着在随机分配的重复世界中，两组对潜在结果是可交换的，均值差对有限样本平均效应无偏。样本越大，偶然不平衡通常越小，但实验的逻辑根据仍是已知的分配概率，而不是事后看到两组“看起来差不多”。

这里有很关键的一点，是随机分配，而不是随机抽样。

随机分配回答内部效度问题：“在进入实验的这些单位中，处理是否导致结果变化？”随机抽样回答代表性问题：“这些单位是否代表目标总体？”

一个平台可以在自愿参加的用户中进行完美随机实验，得到很强的平台内 ATE；但若老年人、非平台用户或其他制度环境中的反应不同，它仍不能自动代表全体公民。反过来，一个全国概率样本即使极具代表性，如果受访者自行选择是否接受处理，处理组与对照组仍可能存在严重混杂。内部识别与总体运输是两条不同的桥（Pearl & Bareinboim, 2014）。

但是随机分配本身也不是十全十美的方法，它也有很多不足：

处理定义与一致性：所谓“接受政治信息”是否包含完全不同的文本版本、剂量与设备呈现？
不依从：随机分到信息组的人是否真的阅读，控制组是否通过其他渠道接触？随机分配通常直接识别的是意向处理效应（ITT），不是实际接触的 ATE。
流失与缺失：处理是否改变谁留下来提供结果？若结果缺失依赖处理和潜在结果，原随机比较可被破坏。
干扰：被试是否把消息转发给对照组，或同一家庭成员彼此影响？
多重分析与研究者自由度：海量结果变量与子组可以制造偶然“发现”。
外部效度：具体平台、时点和处理版本的结果是否能运输到其他人群与制度？

因此，随机化是最透明的反事实替代机制之一，却不会替研究者定义好处理、结果、干扰结构和目标总体。

政治学中许多处理不能随机化，例如战争、制度类型、历史创伤或国家级政策。研究者可能希望找到一组全部在处理之前确定的协变量 $X$ ，使得在相同 $X$ 条件下，谁接受处理不再携带关于潜在结果的额外信息：

\{Y(1),Y(0)\}\perp\!\!\!\perp A\mid X.

这叫条件交换性、无未测量混杂或可忽略性。它不是说处理在现实中随机，而是说处理选择所包含的全部相关差异已经由 $X$ 充分记录。再加上：

一致性：当 $A=a$ 时，观测结果 $Y$ 等于 $Y(a)$ ；
正值性／重叠：对目标人群中的每种 $X=x$ ，处理与对照都有非零概率，即 $0<P(A=1\mid X=x)<1$ ；

便可推导 g-公式：

\begin{aligned} \mathbb E[Y(a)] &=\mathbb E_X\{\mathbb E[Y(a)\mid X]\}\\ &=\mathbb E_X\{\mathbb E[Y(a)\mid A=a,X]\}\\ &=\mathbb E_X\{\mathbb E[Y\mid A=a,X]\}. \end{aligned}

因此：

\operatorname{ATE} =\mathbb E_X\left[ \mathbb E(Y\mid A=1,X)-\mathbb E(Y\mid A=0,X) \right].

三行等式分别使用了全期望公式、条件交换性和一致性。这三步才是因果推断；最后用线性回归、随机森林或神经网络估计两个条件期望，只是求值。Hernán 与 Robins（2020）对这一逻辑及其纵向扩展提供了系统说明。

在上述识别条件成立后，研究者可以采用多种估计器：

结果回归／标准化：估计 $m_a(x)=\mathbb E(Y\mid A=a,X=x)$ ，再对同一个目标人群的 $X$ 分布求平均。
匹配／分层：在协变量或倾向得分相近的单位之间比较结果。Rosenbaum 与 Rubin（1983）证明，倾向得分 $e(X)=P(A=1\mid X)$ 是一个平衡得分，但它只平衡已纳入且被正确处理的观测协变量。
逆概率加权（IPW）：用处理概率的倒数建立一个加权伪总体，使处理状态与已测协变量近似独立。
双重稳健估计（AIPW／TMLE）：同时使用处理模型和结果模型；在因果识别假定正确的前提下，两类滋扰模型中有一类正确即可保持一致性（Bang & Robins, 2005）。
双重／去偏机器学习（DML）：用机器学习灵活估计高维滋扰函数，再用正交化与交叉拟合控制过拟合和正则化偏误（Chernozhukov et al., 2018）。

这些方法对函数形式、效率和有限样本表现的要求不同，但没有一种会自动观测未测量混杂。所谓“双重稳健”也不是对两倍的现实偏差都稳健，更不是对未观测混杂、处理定义错误、正值性违反或测量漂移稳健。

让我们暂时回到计算政治学。也回到这一章开头立的靶子。

第四章主要的主张是：

基于计算方法开展因果推论不仅是可行的，而且应该是社会科学研究追求的目标。（073）

然而，当我们深入分析之后发现，基于计算方法开展因果推论确实是可行的，但是从因果推论或结构模型的角度，计算方法的贡献仍然较小，仍需要回到量化方法或统计学的角度去寻找“反事实替代规则”。当我们把目光投向另一端，关注测量模型时，计算方法在这里具有相当大的价值。总结来看，计算政治学至少带来了六类重要增量：

1. 扩大可测量范围：让新的因果问题成为可能

在传统调查和人工编码下，很多政治过程只能用粗糙代理变量表示。计算方法可以从文件、新闻、社交媒体、卫星图像、视频、声音、行政记录和移动轨迹中构造细粒度处理与结果。虽然它不能直接替代反事实，但却会改变哪些问题值得、也能够被放进因果框架。计算首先解决的是变量存在性，识别设计解决的是比较合法性。

2. 扩大可干预范围：把平台与网络变成实验场

计算系统让过去成本过高的政治实验可执行：研究者可以同时随机化消息内容、发送时机、背书者、排序和社交提示；可以按个人、群组、地区或网络簇分配处理；也可以记录行为而非只依赖自报态度。Grimmer（2015）和 Monroe 等（2015）都把大数据与因果推断的互补性放在研究设计上：大规模数据为精细实验和稳健观察设计提供机会，但设计仍需要社会科学理论与假定。

3. 扩大发现准实验的能力：数据结构提供机会，制度规则提供识别

高频时间戳、精细地理位置和大规模行政面板，可以帮助研究者发现过去难以观察的阈值、轮换、故障、分批上线、政策错时实施或突然中断。这些事件可能支持 RDD、IV、DID、合成控制或中断时间序列。

4. 改善高维与异质性估计：因果机器学习的准确位置

因果机器学习并不是“让机器从相关中自动学出因果”，而是把机器学习放进一个先行的因果框架。典型用途包括：

DML：用机器学习估计结果模型、倾向得分或第一阶段等滋扰函数，再通过正交得分和交叉拟合降低过拟合与正则化偏误对目标参数的影响；
因果森林：在随机化或条件可交换等前提下，估计条件平均处理效应，探索哪些人、地区或制度情境的效应不同；
目标学习/TMLE：把灵活预测与针对目标因果参数的更新结合，并利用双重稳健结构；
高维匹配与加权：改善协变量平衡、重叠诊断和效率。

这类方法通常放松的是线性、可加性和低维函数形式，而不是无未测混淆、排除限制、平行趋势或无干扰。换言之：

机器学习能帮助我们更好地计算一个已经被识别的目标，也能揭示复杂异质性；它不能凭预测性能把一个未被识别的目标变成可识别目标。

5. 把干扰、动态和空间过程写进估量

政治效应经常不是单位封闭的：一地政策影响邻地，好友接受动员改变我的投票，审查一条信息改变整个传播网络。传统二元处理和“单位之间互不干扰”的简化可能不再成立。

计算网络与时空数据的贡献，是让研究者有机会定义更贴近机制的暴露映射，例如“本人未处理但一阶好友中30%接受处理”或“本地未处理但相邻地区已实施政策”。随后可以区分直接、间接、总体和不同暴露水平的效应。Aronow 与 Samii（2017）给出了在一般干扰结构下基于设计的平均因果效应估计；Shalizi 与 Thomas（2011）则说明，社交网络中的同质性与影响往往因潜在特质共同造成连边和行为而被混淆。

这也意味着：网络规模和复杂度不会自动带来网络因果。必须明确连边形成、处理分配、暴露映射和溢出边界，并警惕共同冲击、选择性连接、反向扩散和策略性迁移。

6. 改善诊断、运输与政策压力测试

计算可以系统实施模型重跑、随机化检验、安慰剂、灵敏度分析和大规模模拟；也可以利用目标总体的协变量分布，对实验样本做重加权或效应运输。精细异质性估计有助于判断研究效应在何种人群和制度条件下可能改变。

然而，异质性分析本身也有多重检验与过拟合风险；外推还要求目标总体的关键效应调节变量被测量、研究样本与目标样本存在重叠，并对情境变化作理论判断。计算让外推问题更可处理，但外推仍是一项额外的因果论证。

所以，我们并不是仍然要回到所谓的“传统量化方法”，这里并不存在什么传统与现代的方法之分，而是现代因果推断共享的反事实纪律。回归、匹配、DID、RDD、IV、实验、DML 都只是这套纪律中承担不同任务的工具。

2026年8月4日于吉林大学北苑四公寓

閒全文完