Causal Discovery / DoWhy / EconML / Structural Causal Models 解读

本篇为经典论文精读（历史回顾/经典打底定位），机制正文以原论文为锚点；最新进展见文末「SOTA 检查」。

核心问题: AI 产品容易把相关性误当效果。金融零售里的营销、授信、风控、运营和体验改造，真正要回答的是“如果采取这个动作，会造成什么变化”，而不是“哪些变量一起变化”。

---

Source Anchors

核心导读

Causal AI 的价值不是让模型“更智能”，而是把产品、运营和风险决策从相关性 dashboard 升级到可审查的 intervention evidence。它要求显式定义 treatment、outcome、population、horizon、DAG、识别假设、估计方法和敏感性检查。

DoWhy 提供建模、识别、估计、反驳的工作流；EconML 关注异质性处理效果和策略学习；DAGitty 和 NOTEARS 分别代表因果图审查与数据驱动候选结构。生产中的关键不是自动发现因果，而是管理因果假设如何进入决策。

问题定义

常见相关性误判:

因果问题的形式是:

For population P, if treatment T is applied instead of not applied,
what is the change in outcome Y over horizon H?

没有 treatment、outcome、population 和 horizon 的问题，通常还不是因果问题，只是描述性分析。

核心原理

Structural Causal Model 关注变量之间的生成关系，DAG 是把这些关系显性化的工具。

Customer income -> credit limit -> default
Customer income -> default
Macro condition -> income
Macro condition -> default
Marketing offer -> spending -> default

DAG 的价值:

• 显性讨论假设，而不是让假设藏在模型特征中。
• 区分混杂变量、媒介变量、碰撞变量和结果后变量。
• 判断应调整哪些变量，不应调整哪些变量。
• 识别哪些证据可以支持、挑战或推翻结论。

Causal discovery 和 causal inference 必须区分:

NOTEARS 等方法能生成候选结构，适合挑战专家假设和发现遗漏变量，但不能替代实验、业务知识和识别审查。

DoWhy 工作流:

EconML 的重点是异质性处理效果。很多决策不关心平均效果，而关心谁受益、谁受损、谁不该被触达。

系统/架构模型

Causal-to-decision 架构:

decision question registry
  -> DAG workspace
  -> assumption register
  -> cohort builder with temporal rules
  -> identification and estimation service
  -> refutation and sensitivity suite
  -> policy simulation
  -> experiment or controlled rollout
  -> outcome monitoring
  -> decision evidence store

关键组件:

这个架构应与 experimentation platform 连接。观测因果证据可用于设计实验、设定 ramp 边界和优先级；实验结果又反过来校正因果图和策略。

关键机制与取舍

关键假设:

证据与控制

高风险 AI 决策的因果门禁:

• 没有明确 treatment、outcome、population、horizon，不进入因果评估。
• 没有 DAG，不给政策建议。
• 没有识别说明，不把估计值作为上线证据。
• 没有敏感性分析，不进入客户级自动决策。
• 没有人群影响评估，不做规模化 rollout。

证据包应包含:

AI产品/金融零售场景

营销 Uplift

Treatment 是是否发放优惠券，outcome 是 30 天增量消费或复购，confounders 包括历史活跃、渠道、地区、季节和过去优惠响应。输出不应只是“优惠券用户复购率高”，而应是 CATE 分层，识别 persuadable customers，并排除本来会购买或可能被打扰的人群。

信用额度政策

Treatment 是提额，outcome 包括利息收入、消费增长、逾期和坏账。平均收益可能掩盖某些客群的风险上升。策略应把收益和坏账的异质性效果接入 policy engine，并设置风险 guardrail。

欺诈拦截策略

Treatment 是实时拦截或强认证，outcome 包括欺诈损失、误拦、客户流失和投诉。人工复核历史数据存在强选择偏差，因为进入复核的样本已经被模型或规则筛选。需要结合准实验、随机 holdout 或策略变更窗口做识别。

AI 客服价值归因

Copilot 使用者效率更高不代表 Copilot 导致效率更高。成熟团队可能更早采用工具。需要团队或 case 级实验、准实验或匹配设计，并同时观察返工、投诉、质量复核和复杂 case 影响。

反模式

• 把预测特征重要性解释成因果驱动因素。
• 看到相关性提升就直接设计客户触达、授信或风控政策。
• 没有 DAG，却宣称已经控制了混杂。
• 调整了 treatment 之后才发生的变量，导致估计被污染。
• 只报告平均效果，忽略受益和受损人群。
• 因果发现算法输出候选边后未经业务和实验审查就落策略。
• 用短期 outcome 证明长期价值，忽略坏账、投诉、流失和公平性滞后效应。

最终心智模型

Causal AI 是决策证据纪律，不是算法装饰。它把“我们认为某个动作有用”拆成可审查链路: 问题定义、因果图、识别假设、估计方法、反驳检查、人群影响和上线控制。

判断一个 AI 决策是否有因果质量，只问: 如果今天把动作分配给另一组相似对象，结果是否会改变？这个答案来自哪些假设？如果假设被破坏，结论会不会反转？能回答这三点，相关性才开始接近可用的产品证据。

---

SOTA 检查 (2026-07-01)

• 工具链主线仍成立且在活跃维护：PyWhy 生态依旧是 Python 因果推断的主流开源工具链——EconML 最新版本 v0.16.0（2025-07 发布），DoWhy 最新版本于 2025-11 发布（v0.12 起已加入 Python 3.12 兼容、时序数据实验特性和与 causal-learn 因果发现的集成 notebook）。本篇以 DoWhy 四步工作流（Model→Identify→Estimate→Refute）为骨架的写法没有过时。
• 2025-2026 最活跃的新方向是 LLM 辅助因果发现：研究集中在三条路径——从文本直接抽取因果关系、把 LLM 领域知识作为统计因果发现方法的先验约束、用 LLM 对候选因果结构做后验校正（综述 arXiv 2402.11068，2024-02 首发、2025 更新版）。这是本篇「discovery-assisted DAG」一节在 2026 年的具体化。
• 但 LLM 不能替代识别与实验：2025-06 的立场论文《LLM Cannot Discover Causality, and Should Be Restricted to Non-Decisional Support in Causal Discovery》（arXiv 2506.00844）主张 LLM 输出只应作非决策性支持，且 LLM 幻觉会以偏差形式进入因果图，需用打分函数/信息熵约束 LLM 先验。这与本篇「发现算法用于挑战专家假设而不是自动定论」的结论一致且被强化。
• NOTEARS（2018-03）的定位从"SOTA 方法"变为"经典基线"：连续优化式 DAG 学习仍是因果发现文献的标准对照，但 2025-2026 的新工作（如面向企业破产分析的 agentic 因果发现 ARCADIA，arXiv 2512.00839，2025-12；跨数百领域构建大因果模型的 DEMOCRITUS，arXiv 2512.07796，2025-12）都在传统算法之上叠加 LLM/agent 层。读本篇时应把 NOTEARS 当"理解问题形式化"的教材而非现役首选。
• 不随版本过时的框架性结论：treatment/outcome/population/horizon 的因果问题定义、混杂/媒介/碰撞变量区分、NUC/positivity/SUTVA/时间顺序四大识别假设、"没有 DAG 不给政策建议"的证据门禁、以及 causal discovery（结构候选）与 causal inference（效果估计）的职责切分——这些是方法论骨架，与任何库的版本号无关。