Heterogeneous Treatment Effects and Causal Mechanisms

这是一份关于论文《异质性处理效应与因果机制》（Heterogeneous Treatment Effects and Causal Mechanisms）的详细技术总结，由 Jiawei Fu 和 Tara Slough 撰写。

1. 研究问题 (Problem)

在社会科学（特别是政治学）中，研究者不仅关注处理效应（Treatment Effects）是否存在，更关注因果机制（Causal Mechanisms），即“为什么”或“如何”处理会影响结果。

• 现状：目前定量评估机制的主流方法是利用异质性处理效应（HTEs）。研究者通常假设：如果处理效应在某个预处理协变量（Moderator）的不同水平上存在差异，则表明该协变量调节了某种机制的激活。
• 核心问题：这种基于 HTE 推断机制的做法缺乏坚实的理论基础。现有的实践往往隐含了未经验证的假设。
• 具体挑战：
  1. 观察到的 HTE 是否真的能证明特定机制被激活？
  2. 如果未观察到 HTE，能否证明机制未被激活（即机制是惰性的）？
  3. 测量结果（Outcome）的非线性转换（如将连续效用转换为二元投票选择）如何影响 HTE 对机制推断的有效性？

2. 方法论与理论框架 (Methodology & Framework)

作者扩展了因果中介分析（Causal Mediation Analysis）框架（Imai et al., 2010），构建了一个新的理论框架来形式化 HTE 与机制激活之间的关系。

2.1 核心定义

• 潜在结果框架：基于 Neyman-Rubin 因果模型。
• 机制（Mechanism）：定义为被激活后产生结果的下层过程（如选民对腐败的厌恶）。
• 机制检测变量（Mechanism Detector Variable, MDV）：一个预处理协变量 $X_k$，如果它能预测机制激活程度的差异或机制对结果影响的差异，则称为 MDV。
• 条件平均处理效应（CATE）：在协变量 $X_k=x$ 条件下的平均处理效应。HTE 定义为不同 $x$ 值下 CATE 的差异。

2.2 关键假设：排他性假设 (Exclusion Assumptions)

为了将 CATE 的差异归因于特定机制，作者提出了两个关键的排他性假设：

1. 假设 1（排除直接效应）：协变量 $X_k$ 不调节直接效应（即不调节除目标机制外的其他所有路径的总和）。
2. 假设 2（排除其他机制）：协变量 $X_k$ 不调节其他机制（非目标机制）的间接效应。

图示说明：如果 $X_k$ 同时调节了目标机制 $M_1$ 和其他机制 $M_2$，或者调节了直接效应，那么观察到的 HTE 就无法唯一地归因于 $M_1$。

2.3 机制与测量变量的关系

作者特别强调了测量转换（Measurement Transformation）的重要性。

• 原始结果（$Y$）：机制直接作用的变量（如效用 Utility）。
• 转换结果（$\tilde{Y} = h(Y)$）：研究者实际观测到的变量（如二元投票选择、李克特量表）。
• 关键发现：非线性转换 $h(\cdot)$ 会破坏机制效应与其他效应之间的加性可分性（Additive Separability）。即使 $X_k$ 在原始结果 $Y$ 上满足排他性假设，在转换后的结果 $\tilde{Y}$ 上，$X_k$ 可能会因为数学上的非线性相互作用而表现出虚假的 HTE。

3. 主要结果 (Key Results)

作者通过四个互斥的情况分析了 HTE 对机制推断的有效性（见表 2 的总结）：

情况 1：存在 HTE，且结果为原始结果（满足排他性假设）

• 结论：如果观察到 HTE，且排他性假设成立，则可以推断目标机制至少对样本中的某些单位是激活的（Active）。
• 意义：这支持了当前的部分实践，即 HTE 的存在是机制激活的充分证据。

情况 2：不存在 HTE，且结果为原始结果（满足排他性假设）

• 结论：未观察到 HTE不能证明机制是惰性的（Inert）。
• 原因：存在三种可能性：
  1. 该协变量确实不是 MDV（理论设定错误）。
  2. 机制是激活的，但对所有单位产生的效应完全相同（即机制存在但无异质性）。
  3. 机制确实是惰性的。
• 意义：这是一个不对称的推断。HTE 的存在支持机制激活，但 HTE 的缺失无法证伪机制激活。

情况 3：存在 HTE，但结果为转换后的结果（非线性转换）

• 结论：观察到的 HTE不能提供关于机制激活的信息。
• 原因：非线性转换（如将效用转换为二元选择）会人为地引入异质性。即使协变量不是 MDV，或者机制是惰性的，由于“天花板/地板效应”（Ceiling/Floor effects），也可能在转换后的结果上观察到 HTE。
• 意义：这是当前实证研究中常见的错误来源（例如，在投票选择数据中发现党派异质性，但这可能仅仅是因为投票是二元选择，而非党派真的调节了腐败厌恶机制）。

情况 4：不存在 HTE，且结果为转换后的结果

• 结论：完全无法提供关于机制激活的信息。
• 意义：在非线性转换下，缺乏 HTE 既不能证明机制存在，也不能证明其不存在。

4. 实证应用与案例 (Applications)

作者利用四个关于“腐败信息如何影响选民投票”的实证研究（Anduiza et al., 2013; Arias et al., 2019; de Figueiredo et al., 2023; Eggers, 2014）来演示框架的应用：

• 理论模型：选民效用 = 腐败厌恶（机制）+ 党派认同 + 随机冲击。
• 发现：
  • 在测量选民效用（连续变量）时，党派认同（Partisan Alignment）通常不是 MDV，因为其与腐败厌恶是加性可分的。
  • 在测量投票选择（二元变量）时，由于非线性转换（阈值效应），即使党派认同不调节机制，也会观察到显著的 HTE（例如，中立选民对腐败信息更敏感，而坚定党派选民受限于投票倾向的上下限，反应较小）。
• 教训：许多研究将投票选择上的 HTE 解释为“党派调节了腐败厌恶机制”，但这在理论上可能是错误的，仅仅是测量转换导致的统计假象。

5. 主要贡献 (Contributions)

1. 理论框架创新：首次系统性地建立了 HTE 与因果机制激活之间的理论联系，明确了从 HTE 推断机制所需的排他性假设。
2. 揭示现有实践的误导性：指出当前大量文献（约 46% 的定量实证文章）错误地将 HTE 的缺失作为机制未激活的证据，且忽略了非线性测量转换带来的偏差。
3. 提出“机制检测变量”（MDV）概念：明确了什么样的协变量才适合作为检测机制的工具。
4. 方法论指导：
   • 建议优先使用满足加性可分性的原始结果（如效用、态度评分）进行机制分析，而非二元选择结果。
   • 建议测量多个候选 MDV 以交叉验证。
   • 提出在假设排他性假设不成立时，可引入随机效用模型（Random Utility Models）或贝叶斯方法（基于效应量大小）来辅助推断。

6. 意义与启示 (Significance)

• 对实证研究的警示：研究者必须谨慎解释 HTE。HTE 的存在是机制激活的必要但不充分条件（需满足排他性假设），而 HTE 的缺失完全无法证伪机制。
• 测量的重要性：结果变量的测量方式（连续 vs. 离散/二元）直接决定了 HTE 分析的有效性。将连续潜在变量转换为离散观测变量会破坏识别假设。
• 未来方向：
  • 在研究设计阶段明确界定 MDV 和排他性假设。
  • 从关注 HTE 的“存在性”转向关注 HTE 的“效应量大小”（Magnitude），结合贝叶斯先验进行推断。
  • 在分析投票等二元结果时，考虑使用随机效用模型还原潜在效用，再进行机制分析。

总结：这篇论文通过严谨的理论推导，揭示了当前利用异质性处理效应（HTE）检验因果机制的流行做法中存在严重的识别缺陷。它要求研究者在声称发现机制时，必须显式地论证排他性假设，并警惕非线性测量带来的统计假象，从而提高了因果推断的严谨性。