論文研究方法之觀察法

論文研究方法之觀察法論文研究方法之觀察法，觀察法的研究步驟是什么？有哪些區(qū)別于其他論文研究方法的特點，下面就跟大家具體分析并舉例說明，一起來看看吧！觀察法是指人們有目的、有計劃地通過感官和輔助儀器，對處于自然狀態(tài)下的客觀事物進行系統(tǒng)考察，從而獲取經(jīng)驗事實的一種科學(xué)研究方法。（一）典型例子皮亞杰的兒童認(rèn)知發(fā)展理論就是通過觀察法提煉總結(jié)出來的；兒童心理學(xué)創(chuàng)始人——普萊爾，也是在一次次地使用觀察法后，提出了兒童心理學(xué)領(lǐng)域中的諸多理論。（二）研究步驟1.明確觀察對象在選擇和確定研究問題的基礎(chǔ)上確定觀察者與觀察對象。2.制定觀察計劃在觀察計劃中要規(guī)定明確的觀察目的、重點、范圍以及要搜集的材料。3.做好觀察準(zhǔn)備觀察準(zhǔn)備是否充分，往往影響觀察的成敗。4.做好記錄在觀察過程中要時時記錄，不放掉任何一個關(guān)鍵信息。（三）特點觀察法具有拓展人們的感性知識、啟發(fā)思想等優(yōu)點，但是由于其強調(diào)研究要在自然環(huán)境下進行，且不允許摻雜個人的偏見，確為實際操作帶來了一定困難。觀察性研究“當(dāng)某人抬頭仰望天空時，會引起別人也仰望天空嗎？”在上一章節(jié)中，我們通過隨機實驗的方法來解決這個問題，然而幾百次仰頭可能太費時間或太累了或?qū)Σ弊涌赡苡袚p傷，因此，我們可能需要通過以下方法進行研究：首先，找一個站著不動并且沒有抬頭看的人，然后找第二個正在朝這個人附近走過去的人（這個人可能抬頭看可能不抬頭看）。上述過程重復(fù)觀察一千次，記錄“當(dāng)?shù)诙€人抬頭看時第一個人也抬頭看的比例”，同時與“第二個人沒抬頭看時第一個人抬頭看的比例”進行比較。這樣的研究通常被稱為：觀察性研究（observationalstudy）。如果我們做了上述觀察性研究，那么批判可能隨之而來，例如：當(dāng)兩個人都抬頭看時，并不是因為第二個人抬頭看引起的，而可能是兩個人都聽到了響亮的聲音（或其他）導(dǎo)致的，因此，這個研究并不可信。的確，上述批判如果在隨機實驗中就失效了，正因此隨機實驗是因果推斷的核心內(nèi)容，然而并不是所有研究都可以實施隨機實驗。此外，很多理論知識也是根據(jù)觀察性研究得來的，比如進化論、板塊構(gòu)造理論、全球變暖、天體物理學(xué)等。因此，本章的目的便是我們?nèi)绾尾拍茉谟^察性研究中得到有效的因果效應(yīng)。識別條件理想的隨機實驗可以識別和估計平均因果效應(yīng)，原因是隨機分配的原則提供了可交換性，因此，在邊際隨機實驗中，條件效應(yīng)（相關(guān)效應(yīng)）即是因果效應(yīng)。觀察性研究并不能很好的得到因果效應(yīng)，一個重要的原因是缺失隨機分配。例如，在觀察人群中，病情更重的人可能更傾向于做心臟移植，因此，假如這部分人沒有接受心臟移植，他們相比于實際未接受心臟移植的人將會有更高的死亡風(fēng)險，則可交換性不成立，觀察效應(yīng)會高估接受心臟移植干預(yù)的死亡風(fēng)險。因為隨機實驗天然的優(yōu)勢可以回答因果問題，因此，我們分析觀察性數(shù)據(jù)時，也希望可以盡可能還原這一優(yōu)勢，即構(gòu)造如條件隨機實驗一樣的近似結(jié)構(gòu)。直觀的，如果我們將觀察性研究概念化為條件隨機實驗，因滿足以下三個條件：（1）當(dāng)個體接受某一干預(yù)時，觀察到的結(jié)果應(yīng)對應(yīng)于相應(yīng)的潛在結(jié)果。（2）干預(yù)分配的條件概率，不取決于觀察者或研究者，僅取決于可測量的協(xié)變量L。（3）接受每種干預(yù)分配的概率必須大于0（以協(xié)變量L為條件）。上述三個條件，第一個稱為一致性（consistency），第二個稱為可交換性（exchangeability），第三個稱為正性（positivity）。當(dāng)上述條件滿足時，我們的觀察性研究即可以成功類比于條件隨機實驗，因此，前述章節(jié)中的諸如標(biāo)準(zhǔn)化和IP加權(quán)方法則可以用來計算平均因果效應(yīng)。我們將這些條件稱為識別條件或識別假設(shè)。（表1）如表1所示，如果此數(shù)據(jù)來源為條件隨機實驗，我們即可直接計算出因果風(fēng)險比（CRR）。而當(dāng)此數(shù)據(jù)來源為觀察性研究時，我們需要假設(shè)上述三個識別條件成立，才可以進行因果推斷。任何一個識別條件失效，都會導(dǎo)致觀察性研究類比條件隨機實驗失敗。而此時，一般的方法即失效，取而代之，我們可以用另外一種完全不同的估計方法——工具變量，以及需要另外一組假設(shè)成立。并不意外的是，這種類比方法（觀察性研究類比條件隨機實驗）已經(jīng)多個學(xué)科領(lǐng)域得到廣泛認(rèn)可，并且通常情況下是可行的。因此，我們也將專注于這種類比方法，暫時不考慮工具變量的思路?？山粨Q性我們已經(jīng)熟知可交換性

Ya⊥A

，在邊際隨機實驗中，干預(yù)組和未干預(yù)組是可交換的，因為交換之后潛在結(jié)果風(fēng)險也不會改變。我們將此稱為：隨機化保證了獨立預(yù)測元（predictor）在兩組間分布是相等的，其中預(yù)測元也稱為風(fēng)險因子（riskfactor），或協(xié)變量。如前所述，表1中的數(shù)據(jù)是不符合可交換性的，因為在層L=1中，69%的人接受了干預(yù)，43%的人未接受干預(yù)，這引起了預(yù)測元在組間的不平衡分布。換句話說，在條件隨機實驗中，預(yù)測元分布是不平衡的，如表1中數(shù)據(jù)，可以看出干預(yù)組在治療前已經(jīng)有了較差的預(yù)后（因為病情重（L=1））。然而，在每一層內(nèi)（L=1或L=0），干預(yù)組和未干預(yù)組是可交換的，即每層內(nèi)都進行了邊際隨機實驗，因此，整個實驗符合條件可交換性（

Ya⊥A|L

），即除了L以外的所有預(yù)測元分布均平衡。下面回歸觀察性研究的討論中，當(dāng)干預(yù)分配機制非隨機化時，接受干預(yù)的原因很可能與某些預(yù)測元（協(xié)變量）相關(guān)，如條件隨機實驗一樣，這些預(yù)測元在兩組間分布不平衡，例如表1中，醫(yī)生會更有可能將心臟移植手術(shù)安排給那些更需要移植的患者，如病情更重的患者（L=1）。事實上，如果僅預(yù)測元L存在組間不平衡，我們即可以將此研究等同于兩種情況：（1）一個觀察性研究，在L=1時接受A=1的概率等于0.75，在L=0時接受A=1的概率等于0.5。（2）一個條件隨機實驗，研究者分別在L=1和L=0層內(nèi)進行隨機分配，并以0.75和0.5的概率進行隨機。因此，上述兩種情況在邏輯上是相等的，即條件可交換性成立，我們則可以使用標(biāo)準(zhǔn)化或IP加權(quán)進行因果推斷。至此，我們可以看出，關(guān)鍵的問題在于是否L是唯一不平衡的預(yù)測元，答案是：不知道。舉個例子，假設(shè)我們強烈地認(rèn)為組間不平衡因素只有L，那么心臟移植一般會推薦給那些免疫抵抗弱的患者，即通過人類白細胞抗原（HLA）基因來判斷是否接受心臟移植，而HLA并不能預(yù)測死亡風(fēng)險（不相關(guān)），因此，我們認(rèn)為干預(yù)分配實質(zhì)上等同于隨機分配（以L為條件），即我們假設(shè)此觀察性研究等同于條件隨機實驗，符合條件可交換性。然而，無論我們有多大的信心，這依然是一個假設(shè)，仍然不能排除有其他因素影響分配的可能。例如，在研究者不知情的情況下，醫(yī)生會更愿意讓不吸煙者進行心臟移植，因此，存在吸煙這一因素影響了條件可交換性（或組間不平衡）。綜上，當(dāng)存在未測量的（unmeasured）獨立預(yù)測元U時，條件可交換性不成立，因為在可測量預(yù)測元L的分層內(nèi)，接受干預(yù)的概率與預(yù)測元U相關(guān)。當(dāng)假設(shè)在觀察性研究中條件可交換性成立時，我們所期望的是有足夠的專業(yè)知識來引導(dǎo)我們找出盡可能多的L來使這個假設(shè)近似成立。因此，簡單的說，領(lǐng)域內(nèi)的專業(yè)知識是我們讓可交換性假設(shè)盡可能成立的重要支撐，這使得我們可以識別因果效應(yīng)。正性當(dāng)我們做一個隨機實驗時，會將全部患者以一定比例隨機分入干預(yù)組和未干預(yù)組，然而如果我們將全部患者都分到一個組（干預(yù)組或未干預(yù)組），這顯然是不合常理的，因為這將無法估計平均因果效應(yīng)。因此，我們必須確定每組都要有患者被分配到，換句話說，我們要保證每組的分配概率大于0，即正性概率，因而這個條件被稱為：正性（positivity）條件。一般我們在隨機實驗中很少強調(diào)正性條件，因為這是肯定成立的，比如在邊際隨機實驗中，Pr[A=1]和Pr[A=0]都必然大于0，在條件隨機實驗中，Pr[A=1|L=l]和Pr[A=0|L=l]也是必然大于0的，如表1中數(shù)據(jù)Pr[A=1|L=1]=0.75，Pr[A=1|L=0]=0.5。因此，正性條件可以表示為：

Pr[A=a|L=l]>0,

for

all

l,

with

Pr[L=l]≠0

。此外，正性條件僅需要針對協(xié)變量L水平下的組間分配成立即可，也就是可能會影響條件可交換性成立的協(xié)變量L。例如，心臟移植實驗中，我們不能將一些諸如“眼睛的顏色”、“頭發(fā)的顏色”之類的變量納入，因為這些變量與我們的實驗研究完全不相關(guān)，也不會影響實驗的可交換性。因此，我們僅需要找出的是可能影響可交換性的協(xié)變量L（L可以代表多個變量），并且校正L。在觀察性研究中，無論是可交換性或是正性條件，都不是必然成立的。例如，如果醫(yī)生將全部病情重的患者都分配至心臟移植手術(shù)中，那么Pr[A=0|L=1]=0，則正性條件不成立。不過，通常情況下，我們可以從經(jīng)驗上來驗證正性條件的成立與否，我們可以檢查每組中是否都包含有個體。此外，需要注意的一點是，如果正性條件不成立，那么IP加權(quán)和標(biāo)準(zhǔn)化的方法均會失效，可以想象IP加權(quán)時，我們的目的是構(gòu)造偽總體來還原邊際隨機實驗，然而當(dāng)某一組的分配概率為0時，該組的逆概率不存在（0不能做分母），自然無法構(gòu)造。一致性：定義潛在結(jié)果一致性的意思是個體觀察到的結(jié)果應(yīng)該等于他接受相對應(yīng)干預(yù)的潛在結(jié)果，即實際接受干預(yù)的個體的結(jié)果等于這些個體如果接受干預(yù)時的結(jié)果，表示為：

Ya=Y

。說實話，這聽起來像廢話，難不成還有不成立的情況？如果一個人接受了干預(yù)A=1，結(jié)果是死亡Y=1，那么他的潛在結(jié)果

Ya=1

不應(yīng)該也等于1嗎？事實上，這正是一致性條件的迷惑之處。下面我們將詳細的探討一下這一點，將其分為兩個部分：（1）一個詳細指定的干預(yù)上標(biāo)a，一個精確定義的潛在結(jié)果

Ya

，和（2）潛在結(jié)果與觀察結(jié)果的連接。本節(jié)內(nèi)容將首先討論其中第一個部分：定義潛在結(jié)果。讓我們回到心臟移植的隨機實驗中，定義干預(yù)A=1為心臟移植，A=0為藥物治療。然而，當(dāng)患者被隨機分配至心臟移植后，需要進行一系列的術(shù)前準(zhǔn)備、麻醉、手術(shù)以及術(shù)后護理等內(nèi)容，如果我們沒有明確定義這些內(nèi)容，那么可能不同的醫(yī)生會有自己的傾向內(nèi)容，也就是每個醫(yī)生進行了自己獨特的“心臟移植”，即：同一干預(yù)存在多種不同類型的可能（multipleversionsoftreatment）。如果不同類型有著不同的因果效應(yīng)，那么會出現(xiàn)一些問題。例如：“心臟移植的平均因果效應(yīng)”會因為不同的醫(yī)生使用不同的手術(shù)技術(shù)而出現(xiàn)不同，因此，我們應(yīng)該定義清楚使用的是哪一類型的心臟移植，因為如果干預(yù)類型a未清楚定義，則潛在結(jié)果

Ya

也無法清楚定義。對于一般的藥物干預(yù)，這個是很好清楚定義的，然而在觀察性研究中，更多的情況并不是簡單的藥物干預(yù)，而是各式各樣的“干預(yù)”，因此，需要我們盡可能清楚的說明這個問題。考慮以下問題：我們想知道“在40歲時肥胖A”對于“在50歲時死亡風(fēng)險Y”的因果效應(yīng)。我們可以將此表示為如果所有人肥胖時的死亡風(fēng)險

Pr[Ya=1=1]

，與如果所有人不肥胖時的死亡風(fēng)險

Pr[Ya=0=1]

之間的比較。然而“如果所有人肥胖時的死亡風(fēng)險”這句話的確切含義是什么？有許多不同的情況都滿足這個條件，如一個人20年前就開始肥胖至40歲，或者一個人2年前剛開始肥胖至40歲。因此，有多種不同類型的干預(yù)A，如不同的持續(xù)時間、不同的程度等，自然的，每一種類型都有自己的因果效應(yīng)，此潛在結(jié)果無法明確定義。然而，即使我們清楚的定義了肥胖A=1的持續(xù)時間、肥胖程度等類型，依然存在其他未知的類型是沒有清楚定義的。特別的，我們需要明確指定如何對體重進行“干預(yù)”以保證最終結(jié)果達到A=1的情形。例如，我們可能會考慮能使腰部和冠狀動脈脂肪增加的基因修飾，或者制定行為規(guī)則使其保持不運動和高碳水?dāng)z入，或者腸道菌群的控制，或者手術(shù)等等。此時我們會發(fā)現(xiàn)，這些不同的選項會帶來不同的死亡風(fēng)險，即使它們最終都能達到“肥胖A=1”這一干預(yù)結(jié)果?？紤]以下情形，小明在40歲時是一個肥胖患者（A=1），然后在49歲時心肌梗塞死亡（Y=1）。小明有腰部和動脈脂肪增加的易感基因，因此，盡管他進行了健康的運動、保持健康飲食、有著健康的腸道菌群，他還是死于49歲?？紤]另一種情形，如果小明沒有易感基因，然而有高碳水飲食的習(xí)慣、不運動的習(xí)慣、不健康的腸道菌群導(dǎo)致了他的肥胖（A=1），然后50歲時沒有死亡（Y=0）。此時，該如何定義小明的潛在結(jié)果？我們只能說小明在導(dǎo)致肥胖的眾多因素中的其中一部分的情況下死亡，在另一部分的情況下生存。此時A=1的潛在結(jié)果未被明確定義，同理A=0的潛在結(jié)果也不能被明確定義。然而，并不是說所有有關(guān)干預(yù)A的情形都需要被清楚的定義，事實上我們也做不到定義所有情況。關(guān)于干預(yù)A存在一部分類型對于結(jié)果Y是毫無影響的，比如我們想知道運動對死亡風(fēng)險的影響，然而我們并不需要定義運動的時候應(yīng)該順時針跑步還是逆時針跑步，因為無論什么方向跑對死亡風(fēng)險都是無影響的，我們需要定義的是運動的類型（有氧或無氧）、運動的頻率（一周幾次）等相關(guān)內(nèi)容。因此，我們需要的是：充分定義（sufficientlywell-defined）干預(yù)a的類型，而不是完全定義。然而，我們怎么樣才能知道一個潛在結(jié)果（或干預(yù)類型a）是否被充分定義？答案是，無法知道。一般來說，充分定義取決于專家的經(jīng)驗，依據(jù)以往得到的知識體系來判斷，但是我們永遠無法保證某一條經(jīng)驗是絕對正確的或錯誤的，比如順時針或逆時針跑步目前的結(jié)論是與結(jié)果無關(guān)，也許未來某一天可能證明的確順時針跑步比逆時針跑步更好。因此，我們只能依據(jù)現(xiàn)有專業(yè)知識來盡可能消除定義中的模糊成分，但是無法真正完全消除（也不需要）。目前為止，在觀察性研究中，定義的模糊程度還很高，遠遠達不到專業(yè)知識指導(dǎo)的瓶頸，例如生物學(xué)中的體重、BMI、LDL膽固醇等。綜上，我們可以發(fā)現(xiàn)因果推斷中的一個固有特點或內(nèi)在特征：因果問題的表述需要依據(jù)領(lǐng)域內(nèi)專業(yè)知識來判斷和定義，并且可能會隨時間而改變（即隨領(lǐng)域內(nèi)知識的變化而改變）。當(dāng)某些問題被進一步充分定義時，可能我們所討論的事情也隨之改變，這并不是壞事，我們的問題定義的越清晰，錯誤傳達的機會就更少，尤其當(dāng)不同研究結(jié)果不同時，我們可以更清楚地探究差異來源。目前為止，我們僅討論了一致性中的第一個部分：充分定義干預(yù)的類型。然而當(dāng)我們解釋因果效應(yīng)的數(shù)值估計時，則需要一致性的第二個部分。一致性：連接潛在結(jié)果與觀察結(jié)果通過上一章節(jié)的討論，我們發(fā)現(xiàn)肥胖對死亡風(fēng)險這一因果問題的定義并不清晰，因此，我們將其改為“從18歲到40歲，讓每一個受試者都進行嚴(yán)格的飲食控制，以保證他們的體重不會高于18歲時的體重（a=1）”，特別的當(dāng)體重超過18歲的基線體重時，他們的碳水?dāng)z入將被限制，直到恢復(fù)基線體重以下。每一個受試者保持這一點到40歲，除了碳水?dāng)z入限制以外，沒有其他特殊的限制（運動限制等）。對照干預(yù)則是“無任何干預(yù)（a=0）”。此時，我們假設(shè)專家同意干預(yù)A定義的充分性，即潛在結(jié)果被明確定義。因此，我們現(xiàn)在可以將注意力轉(zhuǎn)至潛在結(jié)果與觀察結(jié)果的連接中：

Ya=Y

?？紤]小明保持了幾乎恒定的體重在18歲至40歲，且沒有被研究人員施加碳水限制（a=1），取而代之的是小明有一些很好的基因和健康的運動習(xí)慣。因此，小明被觀察到的干預(yù)并非A=1，且他的觀察結(jié)果Y也不必等于潛在結(jié)果

Ya=1

（即如果他接受研究人員的碳水限制時的結(jié)果）。為了保護潛在結(jié)果和觀察結(jié)果之間的連接不被破壞，我們需要保證只有那些接受干預(yù)類型a=1的受試者可以被考慮為接受干預(yù)A=1的個體，A=0同理。這暗示著如果想從觀察性數(shù)據(jù)中計算因果效應(yīng)

Pr[Ya=1=1]?Pr[Ya=0=1]

，我們需要受試者接受的實際干預(yù)應(yīng)與干預(yù)類型a=1和a=0一致，即需要正性條件成立。僅一個充分定義的干預(yù)a（我們已經(jīng)做到的）并不能幫助我們將其與觀察數(shù)據(jù)進行連接，如果我們沒有假設(shè)

Ya=Y

至少對于某些受試者成立的話。然而，當(dāng)我們的數(shù)據(jù)不足時，則無法對干預(yù)類型a進一步限制，例如在肥胖研究中，我們并沒有受試者長期的體重、生活方式、飲食等數(shù)據(jù)。解決此問題的其中一個方法是施加額外的假設(shè)：假設(shè)所有類型干預(yù)的因果效應(yīng)相同，即干預(yù)變異無關(guān)（treatment-variationirrelevance）。在一些情況，這個假設(shè)或許是一個不錯的近似。例如，高血壓相比于正常血壓對于中風(fēng)的影響，盡管高血壓可能通過很多病理機制來施加影響，然而研究表明它們可能有相同的結(jié)果。因此，我們可以認(rèn)為“血壓”的精確定義不影響潛在結(jié)果與觀察結(jié)果的連接。然而，在其他例子中，這個假設(shè)可能有一些問題。例如，我們研究體重維持與死亡風(fēng)險的關(guān)系，顯然的吸煙也可以維持體重，運動也可以維持體重，這樣的問題就很大了。在觀察性研究中，大多都默認(rèn)使用了這個假設(shè)。綜上，模糊定義的干預(yù)（如“肥胖”）會使因果估計的解釋復(fù)雜化，同時，盡管有一個充分定義的干預(yù)，如果在實際數(shù)據(jù)中缺失同樣也是不行的。一般來說，我們應(yīng)該盡可能將干預(yù)類型細致化或特征化，使其能明確分辨，這在一些隨機實驗研究中可能比較簡單，然而在一些觀察性研究中（例如研究生物、社會因素）會很難或甚至無法實施。誠然，我們可以認(rèn)為不同干預(yù)類型沒有影響或有相同的效應(yīng)，然而，這更多的是在避重就輕，一個好的研究是我們應(yīng)該盡可能做一些討論以及使我們的假設(shè)更清晰、透明，這樣別人才能直接在下一步的研究中質(zhì)疑和挑戰(zhàn)我們的觀點，研究才有連續(xù)性，才更有意義。目標(biāo)試驗通常情況下，我們將因果效應(yīng)定義為不同干預(yù)下兩個潛在結(jié)果之間的比較。因此，對于每一個因果效應(yīng)，可以想象一個假想隨機實驗，我們將這個假想隨機實驗稱為：目標(biāo)試驗（targettrial）。當(dāng)目標(biāo)試驗無法在真實世界中實施時，我們將訴諸于在觀察性研究中做因果推斷，并嘗試模擬目標(biāo)試驗。如果模擬成功時，觀察性研究結(jié)果將與目標(biāo)試驗結(jié)果相同，如前所述，當(dāng)我們成功將觀察性研究類比于條件隨機實驗時，諸如IP加權(quán)或標(biāo)準(zhǔn)化的方法則可以用來計算平均因果效應(yīng)。因此，“哪個目標(biāo)試驗是我們所模擬的？”這是一個非常關(guān)鍵的因果推斷問題，在觀察性研究中。對于每個因果效應(yīng)我們應(yīng)該描述兩點：（1）我們想要做的那個目標(biāo)試驗（盡管無法做），（2）我們?nèi)绾问褂糜^察性研究來模擬這個目標(biāo)試驗。描述目標(biāo)試驗可以通過以下幾個重要成分來確定：納入標(biāo)準(zhǔn)、干預(yù)（或治療策略）、結(jié)果、隨訪、因果比較、統(tǒng)計分析。我們這里主要討論干預(yù)（即組間比較的治療方式），如上所述，首先指定干預(yù)類型，然后從數(shù)據(jù)中識別出哪些受試者接受了相應(yīng)的干預(yù)?？紤]在肥胖及不吸煙的40歲人群中“減重”對于“死亡風(fēng)險”的因果效應(yīng)問題。首先我們需要進一步明確因果問題，例如，我們可能會設(shè)定目標(biāo)為從40歲開始，估計每年降低5%BMI的效應(yīng)，對于那些BMI超過25的人，同時假設(shè)減重的方式與結(jié)果是不相關(guān)的。此時，我們可以將這個治療策略轉(zhuǎn)化為目標(biāo)試驗的干預(yù)，然后進行模擬。對于目標(biāo)試驗盡可能清晰的模擬過程可以防止我們過于簡單的估計因果效應(yīng)，例如：在40歲時肥胖與不肥胖的人死亡風(fēng)險的差別。這種簡單的描述暗含了一個事實，即肥胖的受試者突然變?yōu)锽MI小于25的非肥胖受試者在（類似于抽脂手術(shù)？），然后進行比較。這樣做的問題在于，真實世界中幾乎沒有符合條件的受試者用來進行估計，即潛在結(jié)果無法連接到觀察數(shù)據(jù)中。不過，一些研究者對此并不認(rèn)可，認(rèn)為“A對Y的平均因果效應(yīng)”已經(jīng)是充分定義的了，無所謂