📊 statistics

Doubly robust identification of treatment effects from multiple environments

本文介绍了 RAMEN，这是一种算法，它通过利用数据异质性和不变性假设，在无需知晓底层因果图的情况下，从多个观测环境中实现治疗效应的双重稳健识别。

原作者： Piersilvio De Bartolomeis, Julia Kostin, Javier Abad, Yixin Wang, Fanny Yang

发布于 2026-05-04

📖 1 分钟阅读☕ 轻松阅读

原作者： Piersilvio De Bartolomeis, Julia Kostin, Javier Abad, Yixin Wang, Fanny Yang

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

想象你是一名医生，试图弄清楚一种新药是否真的有效。黄金标准是随机试验：你抛硬币决定谁服药、谁服糖丸。这消除了所有“噪音”，确保健康上的任何差异确实是由药物引起的。

但在现实世界中，我们往往无法这样做。也许是因为太昂贵、不道德，或者我们拥有的数据仅来自那些自行服药的人（观察性数据）。这种“现实世界”数据的问题在于它很混乱。服药的人与不服药的人在其他方面（如年龄、饮食或收入）可能不同。这些差异被称为混杂因素，它们可能会误导你，让你误以为药物有效（或无效），反之亦然。

为了解决这个问题，统计学家通常试图通过查看所有可用信息（协变量）来对这些差异进行“调整”。但这里有个陷阱：有时查看错误的信息会让问题变得更糟。

“坏控制”问题

将因果链想象成一条从原因流向结果的河流。

好控制：这些就像在河流开始之前建造的堤坝。它们阻止水流绕道。
坏控制：这些就像在河流已经分流之后建造的堤坝。如果你阻断了一条本应开放的路径，就会产生奇怪的回流，扰乱你的测量。

论文中的一个经典例子是出生体重。如果你想了解孕期吸烟是否损害婴儿健康，出生体重就是一个“坏控制”。为什么？因为吸烟导致低出生体重。如果你试图对出生体重进行“调整”，你实际上是在问：“无论母亲是否吸烟，出生体重相同的婴儿会发生什么？”这会制造一种令人困惑的统计假象，掩盖吸烟的真实危害。

论文认为，在现实世界中，我们往往不知道河流的地图（因果图）。因此，我们不知道哪些变量是“好堤坝”，哪些是“坏堤坝”。通常，人们只是调整所有变量，希望能有好结果。但正如论文所示，这往往会导致有偏差的错误答案。

解决方案：Ramen（Robust ATE identification from Multiple ENvironments，基于多环境的稳健平均处理效应识别）

作者提出了一种名为Ramen的新算法。Ramen 不需要完美的河流地图，而是采用不同的策略：它从多个不同角度（多个环境）观察河流。

想象你试图弄清楚一台机器是如何工作的，但你无法看到其内部。

方法 A（旧方式）：你试图根据单一视图猜测内部齿轮。如果你猜错了一个齿轮，整个理论就会失败。
方法 B（Ramen）：你观察这台机器在五个不同工厂中的运行情况。在工厂 1，噪音很大。在工厂 2，温度很高。在工厂 3，电源波动。

Ramen 的关键见解是：即使在背景噪音发生变化的情况下，真正的因果关系在这些不同工厂之间也保持不变（不变性）。

Ramen 寻找一组变量（一个“控制组”），这组变量在所有这些不同环境中表现一致。

如果你观察特定的一组变量时，处理与结果之间的关系在所有环境中都保持稳定，Ramen 就会说：“啊哈！这是正确的集合。”
如果关系剧烈变化，那就意味着你正在查看错误的变量（可能是“坏控制”或混杂因素）。

“双重稳健性”超能力

论文声称 Ramen 具有“双重稳健性”。这就像拥有两把不同的钥匙来打开一扇锁着的门。你只需要其中一把能工作就能得到答案：

钥匙 A：你观察到了处理（药物）的所有直接原因。
钥匙 B：你观察到了结果（健康结果）的所有直接原因。

如果你拥有其中任意一个的数据，Ramen 就能找到正确答案，即使存在隐藏变量（未观测到的混杂因素）或“坏控制”在捣乱。即使你不知道整张地图也无妨；只要你在上述两个区域之一拥有正确的“锚点”，算法就能找出真相。

它是如何工作的（魔术戏法）

Ramen 使用数学“损失函数”（记分卡）来测试不同的变量组合。

它试图寻找一种变量组合，使得预测误差在所有环境中都相同。
它使用一种称为"Gumbel trick"的巧妙技巧（有点像抛硬币的平滑连续版本），快速搜索数百万种可能的变量组合而不会陷入僵局。
它本质上是在说：“我不知道哪些变量是好的，所以我会尝试所有组合，并挑选那些无论环境如何变化都保持一致的变量。”

结果

作者在以下数据上测试了 Ramen：

伪造数据：他们知道正确答案。Ramen 几乎每次都找到了正确答案，而其他方法在存在“坏控制”时则出错。
真实数据（IHDP）：关于婴儿健康的数据集。Ramen 的表现优于现有方法。
真实数据（孕妇吸烟）：关于吸烟和出生体重的研究。Ramen 估计吸烟使出生体重减少约 200–250 克。这与现实世界医学专家已知的情况相符。其他方法要么高估，要么低估了这种影响。

核心结论

Ramen 是一种在混乱的现实世界数据中寻找真相的新工具。它不需要你成为知道整个因果地图的天才。相反，它利用自然界在不同环境中表现一致这一事实，过滤掉噪音和“坏控制”，即使你无法看到一切，也能为你提供可靠的因果估计。

论文中提到的局限性：

它需要足够多的不同“环境”（数据源）才能有效工作。
如果你有成千上万个变量，计算量可能会很大。
它假设没有“中介变量”（严格位于因果链中间的变量）被意外包含在你的调整集中。

以下是 De Bartolomeis 等人论文《从多环境中双重稳健地识别处理效应》的详细技术总结。

1. 问题陈述

本文解决了在以下场景中使用观测数据估计**平均处理效应（ATE）**的挑战：

因果图未知： 从业者无法依赖先验知识来选择有效的调整集。
存在不良控制变量： 数据集中包含后处理变量（碰撞点或处理的子代），若对其进行调整将引入偏差（例如碰撞点偏差）。
存在未观测混杂因子： 存在同时影响处理（ $T$ ）和结果（ $Y$ ）的潜在变量（ $U$ ）。
单源局限性： 当存在不良控制变量时，标准方法（如调整所有协变量）会失效；而现有的依赖多环境的方法通常要求对因果图具有完全可观测性或特定的结构知识（例如已知父节点）。

核心难点在于，若不知道因果结构，仅凭单一数据集无法区分“良好控制变量”（处理前混杂因子）和“不良控制变量”（处理后变量）。

2. 方法论：Ramen

作者提出了Ramen（从多环境中稳健识别 ATE），这是一种利用跨多个环境（例如不同国家、时间段或亚群）的异质性来识别 ATE 的算法，且无需完整的因果图。

关键假设

无中介变量： $T$ 和 $Y$ 之间不存在观测到的中介变量（假设 3.1）。
不变节点（双重稳健性）： 在环境（ $e \in \mathcal{E}$ $e \in E$ ）中，以下至少有一条成立：
- 处理不变性： $T$ 的所有父节点均被观测到，且条件均值 $E[T | Pa(T)]$ 跨环境保持不变。
- 结果不变性： $Y$ 的所有父节点均被观测到，且条件均值 $E[Y | Pa(Y)]$ 跨环境保持不变。
- 注：该方法不需要知道哪个节点是不变的；它会搜索该节点。
识别条件（异质性）： 环境必须表现出足够的分布偏移（异质性），使得如果某个协变量子集产生了不变的条件均值，则该子集必须有效地捕捉到不变节点的父节点（假设 4.1）。

估计量

Ramen 为选定的协变量子集 $S$ 定义了一个双重稳健估计量 $\theta_e(S)$ ：
$\theta_e(S) = E\left[ \bar{\mu}_1(X_S) - \bar{\mu}_0(X_S) + \frac{(Y - \bar{\mu}_1(X_S))T}{\bar{\pi}(X_S)} - \frac{(Y - \bar{\mu}_0(X_S))(1-T)}{1-\bar{\pi}(X_S)} \right]$
其中 $\bar{\mu}_t$ 和 $\bar{\pi}$ 是聚合的条件结果函数和倾向得分函数。

通过不变性损失进行优化

为了找到有效的调整集 $S$ ，Ramen 最小化不变性损失。该算法搜索一个子集 $S$ ，使得给定 $S$ 的 $T$ 或 $Y$ 的条件均值跨环境保持不变。

损失函数： 损失使用核化方法（再生核希尔伯特空间 - RKHS）来衡量跨环境的条件矩差异。
$J_S(Z; V) = \max_{e \in \mathcal{E}} \left\| E_{P_e}[(V - m_S(Z; V)) k(\cdot, Z_S)] \right\|_{\mathcal{H}}^2$
双重稳健性： 算法最小化 $\min_S \{ J_S(Z; T), J_S(Z; Y) \}$ 。如果 $T$ 或 $Y$ 满足不变性假设，最小化器将识别出一个有效的调整集（即不变节点的父节点）。

算法

本文提出了两种实现方案来解决子集选择问题：

组合搜索： 穷举搜索子集（适用于低维数据）。
可微松弛（Gumbel 技巧）： 针对高维数据，将离散子集选择松弛为连续优化问题。它使用Gumbel-Softmax 近似为协变量创建可微的二值掩码，从而允许通过梯度下降优化不变性损失。

3. 主要贡献

该设定下的首个双重稳健识别： Ramen 是首个在存在不良控制变量和未观测混杂因子的情况下，利用多环境实现 ATE 点识别的算法，且无需完整的因果图。
新颖的双重稳健性： 与保护模型设定错误免受影响的传统双重稳健性不同，Ramen 的稳健性保护的是部分可观测性。只要 $T$ 的父节点或 $Y$ 的父节点被观测到且保持不变，该方法即可成功。
放宽可观测性要求： 它改进了先前的工作（例如 Shi 等人，2021），不再要求完全观测到结果变量的父节点；如果处理变量的父节点被观测到，该方法同样有效。
可扩展的优化： 引入 Gumbel 技巧使该方法能够扩展到组合搜索无法处理的维数较高的协变量空间。

4. 实验结果

作者在合成、半合成和真实世界数据集上评估了 Ramen：

合成实验（已知 DAG）：
- 在 $T$ -不变性、 $Y$ -不变性或两者均成立的场景中，Ramen 始终实现了低平均绝对误差（MAE）。
- 调整所有协变量（ $\hat{\theta}_{all}$ ）等基线方法在存在不良控制变量（碰撞点/子代）时失效。
- IRM 基线（ $\hat{\theta}_{irm}$ ）在 $T$ 为不变节点时表现显著不佳（因为 IRM 通常假设结果不变性）。
随机高维 DAG：
- Ramen 在各种环境数量和图拓扑结构下均优于所有基线。
- 可微版本（ $\hat{\theta}_{insta-}$ ）的表现几乎与组合版本相当，但能扩展到更高维度。
半合成（IHDP 数据集）：
- Ramen 与理论预测一致，在特定不变性被破坏时显示出稳健性，而基线方法则遭受高偏差。
真实世界（母亲吸烟与出生体重）：
- 应用于 Cattaneo2 数据集（4,642 名患者）。
- Ramen 估计吸烟母亲的出生体重减少约215 克。
- 这与既定的流行病学文献（减少 200–250 克）一致。
- 基线方法（ $\hat{\theta}_{all}$ 、 $\hat{\theta}_{irm}$ ）低估了效应，而未调整基线（ $\hat{\theta}_{null}$ ）高估了效应，这证明了 Ramen 纠正不良控制变量（如出生体重并发症等后处理变量）的能力。

5. 意义与局限性

意义：

Ramen 为因果推断提供了一种实用的解决方案，适用于因果图未知且数据混乱（包含后处理变量）的复杂现实场景。
它弥合了域泛化（不变性学习）与因果推断（处理效应估计）之间的差距。
当伦理或财务限制阻碍随机试验时，它提供了一种稳健的替代方案。

局限性：

维度灾难： 基于核的方法在极高维度下计算成本可能很高。
异质性要求： 该方法要求环境间存在足够的分布偏移（假设 4.1）。如果环境过于相似，识别将失败。
启发式优化： Gumbel 技巧是一种启发式松弛；虽然有效，但不能保证找到离散子集问题的全局最优解。
中介变量： 该方法假设 $T$ 和 $Y$ 之间不存在观测到的中介变量。如果存在中介变量，估计量将从 ATE 变为受控直接效应。

总之，Ramen 代表了因果推断领域的一项重大进步，它通过利用因果机制在不同环境中的结构稳定性（不变性），使得在“混乱”的观测数据中进行无偏处理效应估计成为可能。