Econometric vs. Causal Structure-Learning for Time-Series Policy Decisions: Evidence from the UK COVID-19 Policies

该研究通过以英国新冠疫情政策为例，对比评估了四种计量经济学方法与十一种因果机器学习算法在时间序列因果结构发现中的表现，发现前者在时间结构规则上更为清晰，而后者则能通过探索更广泛的图结构空间发现更多可识别的因果关系。

要点

这篇文章就像是一场**“侦探大赛”**，目的是找出英国在应对新冠疫情时，到底哪些政策真正起了作用，哪些只是巧合。

为了让你更容易理解，我们可以把这场研究想象成在迷雾中绘制一张“因果地图”。

1. 核心任务：我们要找什么？

想象一下，你想知道“下雨”是不是导致“草地变湿”的原因。

• 普通机器学习（关联学习） 会告诉你：“下雨的时候，草地通常是湿的。”但这不能告诉你，如果人工把草地弄湿，是不是也会下雨？它只看到了**“伴随发生”**。
• 因果机器学习（Causal ML） 和 计量经济学方法 则试图回答：“如果我们要阻止下雨（比如用大伞遮住），草地还会湿吗？”它们试图画出真正的**“因果地图”**，告诉我们如果改变一个变量（比如实施封锁），另一个变量（比如感染人数）会怎么变。

2. 两派侦探的较量

这篇论文比较了两类“侦探”在分析英国疫情数据时的表现：

A 队：传统计量经济学侦探（老派专家）

• 特点：他们非常守规矩，特别看重时间顺序。就像侦探破案时坚持“凶手必须在案发前出现”一样，他们认为原因必须发生在结果之前。
• 方法：他们使用像 LASSO、SIMONE 这样的工具。这些工具像是一把**“精密的筛子”**，专门用来过滤掉那些不重要的噪音，只留下最核心的联系。
• 比喻：他们像是在修剪一棵树，只保留最粗壮的树枝，画出来的地图比较稀疏、清晰，但可能漏掉一些细小的分支。

B 队：因果机器学习侦探（新派极客）

• 特点：他们更灵活，擅长在巨大的数据海洋里疯狂探索。他们不一定要严格遵守时间顺序，试图找出所有可能的联系。
• 方法：他们使用像 Hill-Climbing (爬山算法)、Tabu Search 这样的工具。这些工具像是一个**“不知疲倦的探险家”**，会尝试无数种可能的地图组合。
• 比喻：他们像是在画一张超级详细的城市交通图，连每条小巷的捷径都画出来了。画出来的地图非常密集、复杂，虽然信息量大，但有时候太乱了，让人分不清哪条路是真正的主干道。

3. 实验过程：用英国疫情数据“练手”

研究者拿来了英国从 2020 年到 2022 年的海量数据（包括封锁令、口罩令、学校关闭、人们出行指数、医院入院人数等）。

• 数据清洗：因为数据里有很多缺失值（比如有些日子没记录），他们先用了一种叫“卡尔曼滤波”的魔法，像**“自动补全”**一样，根据前后的趋势把缺失的数据填好。
• 离散化：为了能让算法处理，他们把连续的数字（比如出行指数）变成了“低、中、高”三个等级，就像把温度计变成了“冷、温、热”三个档位。

4. 比赛结果：谁赢了？

这场“侦探大赛”的结果非常有趣，没有绝对的赢家，只有**“互补的队友”**：

• 关于画地图（结构学习）：

  • 新派极客（因果 ML） 画出的地图边数最多（最密集），虽然有些乱，但他们确实找到了更多**“可识别的因果关系”**。比如，他们能算出“减少出行”对“降低感染”的具体影响。
  • 老派专家（计量经济学） 画出的地图更简洁，严格遵守时间先后。虽然他们找到的因果关系数量少一点，但方向更靠谱，不容易画错。

• 关于政策建议（谁能指导决策）：

  • 两派侦探都达成了一个共识：减少人们的出行和社交（比如减少去餐厅、减少旅行），确实能降低病毒传播的风险。
  • 老派专家 特别擅长指出**“时间上的先后”**，这对于制定政策（先做什么，后做什么）非常重要。
  • 新派极客 虽然画出了很多复杂的联系，但因为地图太密，有时候很难确定哪个才是真正该下手的地方。

5. 核心启示：我们需要“混合双打”

这篇论文告诉我们，单靠一种方法是不够的：

• 计量经济学 就像**“交通规则”**，保证了因果关系在时间上是合理的（原因在结果之前）。
• 因果机器学习 就像**“广角镜头”**，能发现更多潜在的联系，但容易拍进太多无关的杂物。

最好的策略是： 把计量经济学的“时间规则”和“精简思维”融入到因果机器学习中。这样，我们既能画出信息丰富的地图，又能保证地图清晰、方向正确，从而在下次大流行病来临时，能更准确地告诉决策者：“现在该封锁哪里，该鼓励大家待在家里，才能最有效地保护生命。”

总结

这就好比你要去一个陌生的城市旅游：

• 计量经济学 给你一张简化的地铁图，告诉你哪条线是主干，必须按顺序坐。
• 因果机器学习 给你一张包含所有小巷的卫星地图，信息量巨大但容易迷路。
• 这篇论文的建议是：把两者结合起来，既要有主干线的清晰指引，又要利用卫星地图发现那些能避开拥堵的捷径，这样才能做出最聪明的旅行（政策）决策。

技术摘要

1. 研究背景与问题 (Problem)

• 核心挑战：政策制定需要理解变量间的因果关系（即改变一个变量如何导致另一个变量的变化），而不仅仅是统计关联。传统的机器学习（ML）模型侧重于关联预测，无法模拟假设性干预（Counterfactuals）的影响。
• 现有局限：
  • 因果机器学习 (Causal ML)：虽然发展迅速，但大多数进展集中在横截面数据（无明确时间顺序）。从时间序列数据中恢复因果结构仍是一个研究难点，且现有算法在真实世界政策决策中的表现有限。
  • 计量经济学 (Econometrics)：在时间序列因果推断方面历史悠久（如工具变量、双重差分等），但传统计量方法通常不直接输出图形结构（如贝叶斯网络），难以直接用于复杂的因果发现。
• 研究目标：评估并对比计量经济学方法与传统因果 ML 算法在时间序列数据上的因果发现性能。具体关注点包括：
  1. 从观测时间序列数据中恢复因果关系的准确性。
  2. 恢复出的模型结构能否正确识别因果效应的方向（增加或减少）。
  3. 这些方法在支持真实世界政策决策（以英国 COVID-19 为例）方面的有效性。

2. 方法论 (Methodology)

2.1 数据集

• 来源：英国 COVID-19 期间的公开聚合数据（2020 年 1 月 30 日至 2022 年 6 月 13 日）。
• 规模：46 个变量，866 行（每日数据）。
• 变量类型：包含连续变量（如移动指数、病例数）和分类变量（如封锁严重程度、学校状态）。
• 数据预处理：
  • 缺失值处理：使用卡尔曼滤波 (Kalman Filter) 基于状态空间模型进行插补，以保留时间动态特性。
  • 离散化：将连续变量通过 K-means 聚类（2-means 变体）离散化为“低、中、高”三个类别，以满足贝叶斯网络（BN）软件 bnlearn 的约束（连续节点只能作为离散变量的子节点）。

2.2 评估对象

研究对比了两类方法：

A. 计量经济学方法 (4 种)
这些方法基于向量自回归 (VAR) 过程，利用收缩（Shrinkage）或模块化思想来构建有向无环图 (DAG)：

1. LASSO (Least Absolute Shrinkage and Selection Operator)：通过 $L_1$ 正则化将系数压缩至零，筛选显著依赖关系。
2. LAR (Least Angle Regression)：逐步选择与响应变量相关性最高的预测变量，构建稀疏图。
3. JS (James-Stein Shrinkage)：利用偏相关系数和收缩估计，将无向相关网络转化为有向 DAG（基于时间顺序定向）。
4. SIMONE (Statistical Inference for Modular Networks)：推断网络中的模块（簇），识别变量间的模块化连接结构。
5. 模型平均 (Model Averaging)：对上述四种方法生成的图进行加权平均，以获取更稳健的结构。

B. 因果机器学习算法 (11 种)
分为三类，均使用 R 语言 bnlearn 包实现：

• 基于约束 (Constraint-based)：PC-Stable, GS, IAMB, Fast-IAMB, Inter-IAMB, IAMB-FDR。
• 基于分数 (Score-based)：Hill-Climbing (HC), Tabu Search。
• 混合 (Hybrid)：H2PC, RSMAX2, MMHC。
• 设置：使用 mi-g-sh 进行条件独立性检验，使用 ebic-g 作为评分函数（惩罚密集网络）。

2.3 评估指标

1. 结构学习指标：
   • 结构汉明距离 (SHD)：学习到的图与“知识图”（基于领域专家构建的基准图）之间的差异。
   • 自由参数数量：衡量模型复杂度。
   • 边数：衡量图的密度。
   • BIC 分数：模型选择标准，平衡拟合度与复杂度。
   • 对数似然 (LL)：模型对数据的拟合程度。
2. 政策评估指标：
   • 可识别的因果效应数量：结构能支持多少对“人口互动”到“感染率”的因果推断。
   • 方向一致性：推断出的因果效应方向（如：减少互动是否降低感染）是否与常识/知识图一致。
   • 干预模拟：使用 Pearl 的 do 算子模拟政策干预（如限制出行），计算平均因果效应 (ACE)。

3. 主要结果 (Key Results)

3.1 结构学习性能

• 计量经济学方法：
  • SIMONE 在 BIC 和对数似然 (LL) 得分上表现最佳，且生成的图最稀疏（66 条边）。
  • LASSO/LAR 生成的图较密集（约 160 条边），SHD 较高（与知识图差异大）。
  • 模型平均 并未显著优于单一的最佳方法（SIMONE）。
  • 局限性：由于强制了时间顺序（$t-1 \to t$），这些方法在拟合度（BIC/LL）上通常低于未受时间约束的 ML 算法，但提供了明确的时间结构。
• 因果 ML 算法：
  • 基于分数的算法 (HC, Tabu)：产生了极其密集的图（近 700 条边），导致 SHD 极高（结构非常复杂），但 LL 得分最好。它们识别出的因果效应数量最多（27 个），但其中只有一部分（12-14 个）符合常识方向。
  • 基于约束的算法：生成的图较稀疏，SHD 较低，但在识别因果效应数量上较少（大多为 0）。
  • 总体对比：没有一种方法在所有指标上占优。计量方法在时间结构上更严谨，ML 方法在探索空间上更广但容易过拟合（产生虚假边）。

3.2 政策决策评估

• 关键发现：
  • JS (James-Stein) 识别出两个符合常识的因果效应：减少 Citymapper 行程指数和减少 OpenTable 餐厅预订，均能降低再感染率 (Reinfections) 的概率。
  • HC 和 Tabu 虽然识别出更多效应，但许多不符合时间逻辑或常识。
  • 效应大小：虽然效应值（ACE）较小（例如 Citymapper 行程减少导致再感染概率下降约 0.04），但方向一致，且符合“减少密切接触降低传播”的机制。
• 结论：在支持政策决策方面，计量经济学方法（特别是 JS） 提供了更可靠、更符合时间逻辑的干预目标，尽管它们发现的效应数量较少。

4. 主要贡献 (Key Contributions)

1. 跨领域对比：首次系统性地对比了计量经济学时间序列方法与因果 ML 算法在真实世界时间序列政策决策中的表现。
2. 方法论转化：提供了将计量经济学方法（VAR 模型、收缩估计）的结果转化为广泛使用的贝叶斯网络 R 库 (bnlearn) 的代码和流程，使得这些方法能直接用于因果推断模拟。
3. 实证洞察：利用英国 COVID-19 数据证明，虽然基于分数的 ML 算法能发现更多潜在关系，但它们往往产生过于密集的图且缺乏时间约束；而基于收缩的计量方法虽然发现的边较少，但能提供更清晰、符合时间因果逻辑的干预目标。
4. 政策建议：指出在时间序列政策制定中，显式的时间结构约束和模块化思想对于提高因果发现的可靠性至关重要。

5. 意义与局限性 (Significance & Limitations)

• 意义：

  • 为政策制定者提供了在数据驱动决策中如何选择因果发现工具的指南。
  • 表明将计量经济学的严谨性（时间顺序、收缩正则化）引入因果 ML，可能解决当前 ML 在时间序列中过拟合和结构混乱的问题。
  • 验证了减少人口流动（特别是行程和餐厅活动）是控制疫情再感染的有效策略。

• 局限性：

  • 数据假设：VAR 模型的残差未通过正态性检验，且存在部分序列相关性，这可能影响某些统计检验（如 JS 中的 t 检验）的有效性。
  • 离散化：将连续数据离散化可能削弱了信号的强度。
  • 知识图基准：用于对比的“知识图”是静态的，未完全涵盖动态反馈回路，导致 SHD 指标的解释存在偏差。
  • 遗漏变量：数据集中可能存在未观测的混淆变量（如未记录的隐性传播链），导致模型设定偏差。

总结：该论文表明，在时间序列政策决策中，计量经济学方法（特别是结合收缩和模块化思想的方法）在提供可解释、符合时间逻辑的因果结构方面具有独特优势，而因果 ML 算法则提供了更广泛的探索空间。未来的方向是将两者的优势结合，利用计量经济学的规则来约束 ML 的搜索空间，从而获得更稳健的政策建议。