📈 economics

Testing identification in mediation and dynamic treatment models

本文提出并验证了一种基于机器学习的统计检验方法，用于验证中介模型和动态治疗模型中因果效应识别假设的有效性，并通过模拟实验以及在斯洛伐克劳动力市场数据上的应用进行了论证。

原作者： Martin Huber, Kevin Kloiber, Lukas Laffers

发布于 2026-06-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Martin Huber, Kevin Kloiber, Lukas Laffers

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名正在试图弄清楚一项特定的培训计划是否真的能帮助人们找到工作的侦探。你直觉认为这个项目有效，但你不能仅仅看数据然后说：“啊哈！它奏效了！”因为也许那些报名参加该项目的人本身就比没参加的人更有动力、更聪明，或者有更好的关系。在统计学领域，我们称这些隐藏因素为“混杂因素”（confounders），它们使得证明因果关系变得异常困难。

这篇论文介绍了一种全新的“测谎仪”，专门用于研究人员。它能帮助他们检查关于因果关系的假设是否真的站得住脚，还是仅仅在凭直觉猜测。

以下是该论文如何通过简单的类比来拆解其内容的：

背景设定：训练营与工作

想象一名求职者经历了一个两步走的过程：

第一步（处理/干预）： 他们参加了一个“毕业生实践”培训（我们称之为 D）。
第二步（中介变量）： 在那之后，他们可能会获得第二次助力，比如“招聘激励”或补贴就业（我们称之为 M）。
结果： 最后，我们观察他们是否找到了工作（Y）。

研究人员想要知道：第一次培训是直接起到了作用吗？还是通过让他们进入第二个项目才起作用的？或者是第二个项目承担了所有的功劳？

问题所在：“隐形之手”

通常情况下，研究人员假设如果他们控制了所有能看到的变量（如年龄、教育程度和过往工作经历），那么加入项目的决定就是随机的。但如果存在一只“隐形之手”（未观察到的因素）同时推动着“加入决策”和“获得工作的机会”，那么整个研究就是有缺陷的。如果这只隐形之手存在，整个研究就是错误的。

解决方案：“聚光灯”测试

作者提出了一种测试方法，使用了两种被称为“工具变量”的特殊工具（我们称之为 Z1 和 Z2）。

把这些工具想象成聚光灯或随机开关，它们会影响一个人是否进入培训，但仅通过培训本身来产生影响。

Z1 是一个让某人更有可能进入第一阶段培训（D）的聚光灯。
Z2 是一个让某人更有可能进入第二个项目（M）的聚光灯。

测试的金科玉律： 这些聚光灯应该绝不直接触及最终结果（获得工作）。它们只能通过将人推入培训项目来间接影响结果。

测试是如何运作的

研究人员通过检查三件事来确认这些“聚光灯”的表现是否符合预期：

第一个聚光灯 (Z1) 是否直接影响工作结果？
- 测试方法： 如果我们已知谁接受了第一次培训，并且已知他们的背景，聚光灯（Z1）是否仍然能预测他们是否获得工作？
- 答案： 不应该。如果即使在考虑了培训因素后，Z1 仍然能预测工作情况，那么 Z1 就是一个“坏的聚光灯”（它在作弊）。
第一个聚光灯 (Z1) 是否直接影响第二个项目 (M)？
- 测试方法： 如果我们已知某人的背景和第一次培训情况，聚光灯（Z1）是否仍然能预测他们是否进入第二个项目？
- 答案： 不应该。Z1 应该只负责把他们送进第一步，而不是第二步。
第二个聚光灯 (Z2) 是否直接影响工作结果？
- 测试方法： 如果我们已知谁参加了第一次培训、谁参加了第二个项目以及他们的背景，聚光灯（Z2）是否仍然能预测工作情况？
- 答案： 不应该。Z2 应该只影响第二个步骤，而不是最终结果。

如果数据通过了所有三项检查，则表明“隐形之手”没有干扰研究，研究人员可以信任他们关于因果关系的结论。如果测试失败，则是一个红灯信号，表明研究的假设出了问题。

“机器学习”引擎

由于现实世界的数据非常复杂，拥有成千上度的变量（例如求职者的 264 种不同细节），作者使用机器学习来运行这项测试。把机器学习想象成一个超级聪明的助手，它可以同时处理所有这些变量，以观察“聚光灯”是否真正独立于最终结果。

现实世界的测试：斯洛伐克

作者利用来自斯洛伐克的数据将测试带入了现实世界。他们观察了经历了一系列政府计划的年轻失业人员：

首先是“毕业生实践”（培训）。
然后是“就业激励”（补贴就业）。

他们利用不同政府办事处提供的程序本地可用性作为他们的“聚光灯”。（例如，如果某个办事处去年有很多空缺名额，那么仅仅基于地理位置的偶然性，今年某人更有可能进入该项目）。

结果： 测试并未拒绝他们的假设。这意味着数据看起来很干净；“聚光灯”表现正常，研究人员可以确信地得出结论：参加这两个项目使获得工作的机会增加了约 8.5%。

核心总结

这篇论文并不是发明了一种新的计算程序效应的方法。相反，它发明了一种质量控制检查。它给了研究人员一种方式来声明：“我们使用这些特殊变量检查了我们的假设，它们通过了测试，因此我们的结果很可能是可靠的。”如果测试失败，它会发出警告：“停下！你的假设破裂了，你的结果可能是错误的。”

技术摘要：中介效应与动态治疗模型中的识别性检验

问题陈述
在因果中介分析、动态治疗评估以及样本选择模型中，对因果效应（如直接效应、间接效应或联合效应）的识别通常依赖于序列可忽略性（sequential ignorability）假设。该假设认为，在控制了观测协变量的情况下，处理变量（treatment）与中介变量（mediator，或选择指示变量）是外生的，即它们不受不可观测因素的混杂影响。然而，在标准的观测数据中，这一假设是不可检验的，且往往具有争议性，因为无法明确排除不可观测混杂因素的存在。尽管既往文献已提出利用工具变量检验单一处理效应识别性的方法，但对于涉及序列处理、中介变量或样本选择的模型，目前仍缺乏能够联合检验其识别假设的方法。

方法论
作者提出了一种检验框架，将 Huber 和 Kueck (2022) 的工作从单一处理模型扩展到了涉及处理（ $D$ ）与中介变量（ $M$ ）或选择指示变量的序列分配设置。该方法依赖于两组观测变量：用于控制的协变量（ $X$ ）以及疑似工具变量（ $Z_1$ 用于 $D$ ，以及 $Z_2$ 用于 $M$ ）。

该方法基于特定的因果结构（假设 1），该结构排除了从结果到处理、中介变量、协变量或工具变量的反向因果关系，并假设满足因果忠实性（causal faithfulness）。在此结构下，作者推导出了等价于以下各项联合满足的检验性蕴含（testable implications, TIs）：

外生性（Exogeneity）： 处理变量和中介变量在给定协变量的情况下，与潜在结果和潜在中介变量独立（即序列可忽略性）。
工具变量有效性（Instrument Validity）： 在给定协变量及各自的处理/中介状态的情况下，工具变量与潜在结果和中介变量独立，这意味着工具变量不会直接影响结果且不存在混杂。

具体而言，这些检验性蕴含是涉及事实量（factual quantities）的条件独立性陈述：

$Y \perp Z_1 | D, X$
$M \perp Z_1 | D, X$
$Y \perp Z_2 | D, M, X$

该框架具有足够的灵活性，可以容纳：

工具变量相互依赖（Instrument Interdependence）： 即 $Z_1$ 会影响 $Z_2$ 的场景，此时要求在检验 $Z_1$ 时需将 $Z_2$ 纳入条件集。
处理后混杂（Post-treatment Confounding）： 即处理后协变量（ $W$ ）影响中介变量与结果之间关系的场景，要求将 $W$ 纳入条件集中。

为了在高维环境下实现该检验，作者采用了基于机器学习的方法。他们检验了“结果或中介变量的条件均值与工具变量独立”这一原假设。这被表述为一个二次矩条件，涉及包含与不包含工具变量的回归函数之间的平方差。估计过程利用了交叉拟合（cross-fitting）和内曼正交性（Neyman orthogonality）（Chernozhukov 等人，2018），从而允许使用灵活的机器学习算法（如 Lasso）来控制高维协变量，而不损害渐近性质。此外，在得分函数中加入了一个随机扰动项，以确保在原假设下方差非退化。

主要贡献

扩展了识别性检验： 这是首个专门为因果中介、动态治疗效应及样本选择模型提出识别检验的研究，扩展了 Huber 和 Kueck (2022) 的单一处理框架。
联合检验： 该方法允许对处理外生性和工具变量有效性进行联合检验，而非分别进行检验。
灵活性： 该框架可处理多值工具变量、序列工具变量（即一个工具变量影响另一个工具变量）以及动态混杂（处理后协变量）。
诊断分解： 检验结构允许研究人员将拒绝结果定位到因果模型的特定部分（例如，区分是违反了处理外生性还是违反了工具变量有效性）。
机器学习集成： 提出了通过机器学习处理高维协变量的数据驱动检验程序，解决了控制大量混杂因素的实际挑战。

结果

模拟研究： 作者进行了样本量为 1,000 和 4,000 的模拟研究。结果表明，当识别假设成立时，该检验能保持正确的经验规模（接近 5% 的标称水平）。当假设被违反时（例如，引入不可观测的混杂因素或使工具变量失效），该检验表现出极高的功效，在大样本下的拒绝率接近 100%。研究还显示，即使工具变量对结果有直接影响，所提方法仍能有效检测违规情况。
实证应用： 该方法应用于斯洛伐克劳动力市场数据，以评估连续培训计划（研究生实践随后是就业激励）对就业的影响。研究利用当地项目的可用性作为工具变量，并在控制了丰富的处理前及处理后协变量后，结果显示检验性蕴项在常规显著性水平下未被拒绝。这表明，针对该特定应用，序列可忽略性假设是合理的。因此，作者估计了动态治疗效应，发现参与这两项计划使就业概率提高了约 8.55 个百分点。

意义与主张
本文声称为验证复杂因果模型（其中不可观测混杂是主要问题）中的识别假设提供了必要的工具。通过建立充分的检验条件，作者认为研究人员可以超越仅依赖于理论动机或直觉的序列可忽略性。其意义在于能够在观测数据中“验证”识别性，从而增加对中介效应和动态治疗模型所推导出的因果估计值的信心。作者保持了审慎态度，指出虽然该检验验证了识别的必要条件，但并不保证自然直接效应和自然间接效应的识别（后者需要更强的跨世界独立性假设），但它确实支持受控直接效应和总效应的识别。