当因果图遇到混淆变量：手把手教你用PAG（部分祖先图）解读真实世界数据

当因果图遇到混淆变量：用PAG解码真实世界数据的复杂性

在医学观察性研究或社会科学调查中，我们常常面临一个困境：明明发现了两个变量之间的强相关性，却无法确定这是否意味着真实的因果关系。传统的因果图（DAG）假设我们能够观测到所有相关变量，但现实中，**未观测的混淆变量（Unobserved Confounders）**无处不在。这就是为什么部分祖先图（PAG）正在成为处理复杂观测数据的革命性工具——它不回避不确定性，而是用精确的图形语言告诉我们："这里存在未知"。

1. 为什么PAG比传统因果图更适合真实世界数据？

在理想情况下，因果发现算法会输出一个完整的有向无环图（DAG），明确显示每个变量的因果关系。但现实中的数据往往存在以下挑战：

• 无法控制的混杂因素：在广告效果分析中，用户的"内在兴趣"可能同时影响广告点击率和购买行为，但这个变量通常无法直接测量
• 选择偏差：临床研究中，病情严重的患者更可能接受特定治疗，导致治疗效果评估失真
• 测量误差：经济指标间的因果关系常受数据收集方式影响

PAG通过四种边标记（→, ↔, ∘→, ∘-∘）直观展现这些不确定性。例如"广告曝光∘→购买转化"表示：可能是广告真起了作用，也可能存在我们没测量到的共同影响因素。

PAG与传统因果图的本质区别：

2. 解密PAG的四种边标记：从符号到实际含义

2.1 X → Y：相对确定的因果关系

这种标记表示：

1. X是Y的原因（非反向）
2. 可能存在未观测的混淆变量

# 示例：医疗数据中的PAG边 treatment → recovery # 治疗可能直接导致康复，但也可能有未测量的健康因素影响两者

2.2 X ↔ Y：必然存在混淆变量

双向箭头是PAG最强烈的警告信号：

• X和Y没有直接因果关系
• 必定存在未观测的U同时影响X和Y

典型案例：

• 社交媒体使用 ↔ 抑郁程度：可能由"孤独感"这个未测量变量同时驱动
• 公司规模 ↔ 股价波动：可能受"管理质量"影响

2.3 X ∘→ Y：两种可能性并存

这个标记包含更复杂的情景：

1. X直接导致Y
2. 或存在未观测的U影响X和Y

在电商场景中，"商品详情页停留时间∘→购买概率"需要额外实验验证真实因果关系

2.4 X ∘-∘ Y：最不确定的关系

圆点标记涵盖三种情况：

1. X → Y
2. Y → X
3. X ← U → Y

# 金融风控中的典型示例 credit_score ∘-∘ loan_default # 需要领域知识判断方向性

3. 实战：从PAG到决策的完整工作流

3.1 步骤一：数据预处理与算法选择

推荐工具组合：

1. FCI算法（Fast Causal Inference）：适合中等规模数据
2. RFCI（Really Fast Causal Inference）：处理高维数据更高效
3. GFCI：结合了分数方法和约束方法

# 使用R的pcalg包生成PAG library(pcalg) data <- read.csv("observational_data.csv") pag <- fci(list(C = cor(data), n = nrow(data)), indepTest=gaussCItest, alpha=0.01) plot(pag)

3.2 步骤二：PAG结果解读框架

建立系统化的标记解释流程：

1. 识别确定性关系：优先处理→边
2. 标注高风险关系：对所有↔边设计敏感性分析
3. 规划验证实验：针对∘→设计A/B测试
4. 专家评估：对∘-∘边引入领域知识

3.3 步骤三：不确定性量化与决策

对每个不确定关系，计算因果效应边界：

1. 估计最小/最大可能效应值
2. 进行敏感性分析（如E-value计算）
3. 制定风险调整后的决策策略

医疗决策示例：

4. 行业应用案例深度解析

4.1 数字营销：破解"点击-转化"迷思

某电商平台发现：

• 广告点击 ∘→ 购买转化
• 产品浏览 ↔ 加购行为

PAG驱动的解决方案：

1. 对∘→关系：设计分层实验，控制用户兴趣变量
2. 对↔关系：承认无法从现有数据得出因果结论

最终节省了30%被误判为无效的广告预算

4.2 金融风控：识别真实违约因素

信用卡数据PAG显示：

• 收入 → 信用评分
• 信用评分 ∘-∘ 违约记录
• 职业类型 ↔ 贷款额度

关键发现：

• 聚焦收入→信用评分的稳健关系优化模型
• 对∘-∘关系引入额外数据源（如社交网络）

4.3 临床研究：观察性数据中的信号提取

癌症患者数据分析得到：

• 治疗方案 → 生存期
• 并发症 ↔ 住院天数
• 基因标记 ∘→ 药物反应

研究调整：

• 对确定关系加强临床指南
• 对∘→关系启动基因靶向研究

在真实项目中使用PAG最大的收获是：它强迫我们明确区分"知道"和"不知道"的界限。曾经有个零售客户坚持认为页面停留时间直接导致转化，直到PAG显示这是∘→关系。后续实验证明，真正起作用的是我们后来加入的"产品匹配度"指标。这种诚实面对无知的工具，反而带来了更可靠的商业洞见。