《Python+DAG实战指南：从冰淇淋到肺癌，三大因果推断方法全揭秘——结构因果模型与do-演算速成攻略》

结构因果模型与do-演算速成

在数据分析的世界里，我们经常看到变量之间的相关性，但如何确定它们是否存在真正的因果关系？本文将通过两个经典案例——“冰淇淋-气温-溺水"与"吸烟-焦油-肺癌”，用有向无环图(DAG)直观展示变量间的因果路径，并深入讲解Judea Pearl的三条do-演算规则，演示如何从观测分布P(Y|X)推导到干预分布P(Y|do(X))。同时，我们将对比背门调整、前门调整和工具变量三种常见识别方法，并用Python/DoWhy库实现完整推断流程，为后续的潜在结果与倾向得分分析奠定基础。

一、DAG基础与因果路径

1.1 DAG的定义与要素

有向无环图(DAG) 是一种表示变量间因果关系的图形化工具，由节点和有向边组成，具有以下特点：

• 节点：代表变量，如"冰淇淋"、“气温”、"溺水"等
• 边：表示变量间的因果关系，箭头方向表示因果方向
• 无环：不存在循环路径，确保因果关系的单向性

DAG中存在三种基本结构模式：

• 链式结构(Chains)：X → Y → Z，表示X通过Y影响Z
• 叉式结构(Forks)：X ← Y → Z，表示Y是X和Z的共同原因
• 对撞结构(Colliders)：X → Y ← Z，表示Y是X和Z的共同结果

1.2 冰淇淋-溺水案例的DAG

冰淇淋消费量与溺水事件之间存在明显的正相关关系，但这是否意味着冰淇淋会导致溺水呢？

import networkx as nx
import matplotlib.pyplot as plt

# 创建冰淇淋-溺水DAG
G1 = nx.DiGraph()
G1.add_nodes_from(['冰淇淋', '气温', '溺水'])
G1.add_edges_from([('气温', '冰淇淋'), ('气温', '溺水')])

# 绘制图
pos = nx.spring_layout(G1)
nx.draw(G1, pos, with_labels=True, node_color='lightblue', node_size=3000, arrowsize=20)
plt.title('冰淇淋-溺水因果图')
plt.show()

1.3 吸烟-肺癌案例的DAG

吸烟与肺癌之间也存在正相关关系，但这种相关性是否意味着吸烟导致肺癌？

# 创建吸烟-肺癌DAG
G2 = nx.DiGraph()
G2.add_nodes_from(['吸烟', '焦油', '肺癌'])
G2.add_edges_from([('吸烟', '焦油'), ('焦油', '肺癌')])

# 绘制图
pos = nx.spring_layout(G2)
nx.draw(G2, pos, with_labels=True, node_color='lightblue', node_size=3000, arrowsize=20)
plt.title('吸烟-肺癌因果图')
plt.show()

二、d-分离原理与因果路径阻断

2.1 d-分离的定义

d-分离(D-separation) 是一种判断变量间条件独立性的图形化方法，适用于DAG。其基本原理是：

• 若存在一条路径，但该路径被某个结点阻断，则称该路径为非活跃路径(inactive trail)
• 若两个变量之间的所有路径都被阻断，则这两个变量在给定条件下是条件独立的

判断路径是否被阻断的三种情况：

1. 尾-尾结构：X ← Z → Y
   • 若不以Z为条件，则X与Y相关
   • 若以Z为条件，则X与Y独立
2. 头-尾结构：X → Z → Y
   • 若不以Z为条件，则X与Y相关
   • 若以Z为条件，则X与Y独立
3. 头-头结构：X ← Z → Y
   • 若不以Z为条件，则X与Y独立
   • 若以Z为条件，则X与Y相关

2.2 d-分离动画演示

以下动画演示了冰淇淋-溺水案例中，当控制"气温"变量时，如何阻断"冰淇淋"与"溺水"之间的关联路径：

import matplotlib.animation as animation
from IPython.display import HTML

# 创建图并设置初始状态
G1 = nx.DiGraph()
G1.add_nodes_from(['冰淇淋', '气温', '溺水'])
G1.add_edges_from([('气温', '冰淇淋'), ('气温', '溺水')])
pos = nx.spring_layout(G1)
node_colors = ['lightblue'] * 3
edge_colors = ['black'] * 2

# 创建动画函数
def update(frame):
    plt.clf()
    if frame == 0:
        # 初始状态
        nx.draw(G1, pos, with_labels=True, node_color=node_colors, edge_color=edge_colors)
        plt.title('初始状态')
    elif frame == 1:
        # 控制"气温"变量
        node_colors = ['lightblue', 'red', 'lightblue']
        nx.draw(G1, pos, with_labels=True, node_color=node_colors, edge_color=edge_colors)
        plt.title('控制气温变量')
    elif frame == 2:
        # 阻断路径
        edge_colors = ['black', 'red']
        nx.draw(G1, pos, with_labels=True, node_color=node_colors, edge_color=edge_colors)
        plt.title('阻断路径')

# 创建动画
fig = plt.figure(figsize=(8, 6))
ani = animation.FuncAnimation(fig, update, frames=3, interval=1000)
HTML(ani.to_html5_video())

三、Judea Pearl的三条do-演算规则详解

do-演算是处理干预的数学工具，由Judea Pearl提出，用于从观测分布P(Y|X)推导干预分布P(Y|do(X))。

3.1 规则表格：公式与口语解释

3.2 冰淇淋案例：推导P(溺水|do(冰淇淋))

在冰淇淋-溺水案例中，"气温"是混杂因子，我们需要通过do-演算推导出干预分布P(溺水|do(冰淇淋))：

1. 初始分布：P(溺水|冰淇淋)
2. 应用规则2：由于"气温"阻