有向无环图DAG：因果假设

可视化演示

三步展示DAG因果四大假设：马尔可夫条件与忠实性互逆、因果充分性排除隐混杂、无环性保障逻辑先后及假设检验方法。

因果假设概论

想象你在一座老宅里发现了一本尘封的家族族谱。泛黄的纸页上画满人名与连线——父亲指向儿子，母亲指向女儿。你心想：“太好了，有了这本族谱，我就能推断家族里的遗传规律了！”可刚要下笔，你突然犹豫：这本族谱完整吗？每条线记录的方向对吗？会不会有某个远房表亲其实是亲兄弟？——这些不确定因素，决定了你所有推断的可靠性。

因果推断面临着同样的处境。我们手里的数据就像族谱中的人名，有向无环图（DAG）则是那张画好的家族关系图：每个变量是一个节点，每条箭头表示“前者影响后者”，而整张图不允许出现环——正如没人能成为自己的祖先。但光有图还不够，想从图和数据中推出因果结论，必须先接受几条关于世界如何运作的“约定”。

这三条约定就是因果假设三件套：因果马尔可夫条件——给定“父母”后，变量与“旁支亲眷”条件独立；忠实性假设——数据里观察到的独立性都是真实结构所致，而非参数巧合；因果充分性假设——所有共同原因都已经被我们看见，没有藏在暗处的“秘密分支”。这三条假设是连接因果图与概率分布之间的桥梁。

回到那本旧族谱。如果你接受了三大约定，就等于在扉页签下了“阅读须知”：只看父母、不信巧合、不藏秘密亲属。接下来每一次沿着箭头的推断，都建立在这些约定之上——约定越牢，结论越稳。反之，约定一旦被打破，族谱上的每一条线都可能变成误导你的陷阱。

马尔可夫条件

老式家族的老人常说“父矮矮一个，娘矮矮一窝”。但这句俗语背后其实藏着一个更精细的判断逻辑：当你已经知道一个孩子的父母身高时，再搬出祖父母的身高，对预测这个孩子身高的帮助微乎其微。族谱上越远的旁支，在“父母信息已到手”之后，就渐渐失去了参考价值。

因果马尔可夫条件把这种直觉形式化：在一个 DAG 中，给定某个变量的全部父节点后，它与所有非后代变量条件独立。也就是说，父节点充当了“信息屏障”——关于这个变量的一切因果影响，都必须经过它的父节点才能传递；旁支的信息若想绕道影响它，会被屏障挡下。

这个条件也是马尔可夫分解公式的基础：正因为因子分解中每个变量只依赖父节点，联合分布才能写成局部条件概率的乘积。若没有这条假设，变量之间会像蜘蛛网一样互相牵连，任何有效的分解都不可能实现。

想象你正在向亲戚解释家族遗传：先查父母，再查父母，还是查父母。马尔可夫条件并不是说祖宗不重要——祖宗的基因正是通过父母一代代传下来的，而是说信息传递的“最后一公里”必然经过父母。这就是为什么在分析因果图时，我们常常只需盯住局部的父子关系，就能推演整棵族谱中的信息流动。

忠实性假设

假设族谱上记载：叔叔和侄子都爱吃榴莲。乍一看，这像是亲缘关系的铁证。可深入研究后你发现，叔叔爱吃纯属童年游历东南亚留下的口味，侄子爱吃则是因为上学时结交了一个泰国好友——两个互不相干的故事，恰好凑成了“爱吃榴莲”的一致表象。如果只看数据，你会误以为他们之间存在因果联系。

忠实性假设就是在宣告：数据中观察到的每一次“条件独立”或“相关”，都必须是因果结构真实造就的，而不是参数巧合或路径抵消的结果。换句话说，因果图是“说实话”的：图中没有边，数据里就不该有相关；图中路径被阻断，数据里就应当独立。

这条假设之所以必要，是因为因果图与概率分布之间存在双向约束。马尔可夫条件保证“图中阻断则数据独立”，忠实性则保证其逆命题“数据独立则图中阻断”成立。有了它，我们才能从数据中反推图结构——结构学习算法（如 PC 算法）的每一步独立性检验，都默认这份“诚实”。

族谱研究最怕什么？最怕巧合。但如果每次都因为“可能是巧合”而拒绝任何结论，研究便寸步难行。忠实性假设相当于一个业界行规：默认巧合不发生，除非有充分证据表明参数精确地抵消了真实效应——这种极端情况在数学上被称为“测度为零”，在现实中极为罕见，所以值得赌一把。

因果充分性

夜深人静时，族长悄悄把你拉到一旁：“其实……族谱里还有一支没记进去。孩子的父亲是谁，族谱上只写了'外出经商'。”你倒吸一口冷气：如果存在一条从未记录在册的血缘线，之前所有关于家族遗传的推断，都得打个问号。

因果充分性假设正是要求：对于图中任意两个变量，它们所有的共同原因都已经包含在图中。换句话说，不存在既影响 X 又影响 Y 的“隐形势力”。若这个假设不成立，未观测的共同原因会同时扰动 X 与 Y，让它们表现出虚假的相关——这就是混杂偏误的根源。

随机对照实验（RCT）之所以被视为因果推断的黄金标准，正是因为它通过随机分组直接消灭了绝大多数未观测共同原因，让充分性假设天然成立。而观测研究没有这种特权，研究者只能借助 DAG 识别混杂因子，再用“后门调整”把混杂效应剥离掉。

族谱完整性的重要性在此时充分显现。假如那个“外出经商”的秘密分支真的存在，后门调整公式就会因为缺少这个变量而失效——你调整了所有“以为的共同原因”，却唯独漏了最关键的那个。因果充分性不是一句空话：它决定了你的公式分母里，究竟该出现哪些 Z。

无环结构约束

族谱的第一页永远写着一行小字：“本谱之上，无轮回之说。”没有人能成为自己的祖宗——这在现实世界里是天经地义，但在数学建模中，它是一条必须刻意强调的纪律。一旦允许自我指涉，因果关系就会陷入“鸡生蛋、蛋生鸡”的无解循环。

DAG 的 “D“（Directed）表示每条边都有方向，”A“（Acyclic）表示图中不存在任何有向环。这两个字母共同保证了因果箭头总是指向时间的未来方向。如果 A 影响 B、B 又影响 A，二者互为因果，那么它们之间的”因“与”果”就无法在静态观测数据中区分——这正是不满足无环性的典型状况。

对反馈系统（如生态种群互相制约、神经回路互相调节）而言，DAG 的确不是合适的表达工具。研究者通常会改用循环因果模型、结构方程或时序模型：把时间切成小段，让 A 在 t 时刻影响 B，B 在 t+1 时刻再影响 A，从而把“环”拆成“螺旋”。

在整理族谱时，我们从不担心“曾祖父同时又是曾孙”这种荒唐事，因为时间的单向性替我们排除了环。DAG 正是把这种时间直觉搬进了数据世界：每一条箭头都像族谱中的一笔记录，只能从上一代指向下一代，绝不回头——正是这种“不回头”的纪律，让因果方向有了坚不可摧的根基。

假设检验应用

现在你已经手握族谱和三条约定，准备大干一场。怎么验证一段“亲戚关系”是否属实？族谱研究者的做法是：沿着族谱把所有可能的通路都走一遍，看看有没有一条路是畅通的。这条路被截断，那条路被婚姻关系绕开……把每条路都检查一遍，就能回答“两人之间到底有没有亲缘关联”。

在 DAG 上，这套检查方法就是 d 分离（d-separation）。它根据“路径是否被阻断”来判定条件独立：若 X 与 Y 之间的所有无向路径，都被条件集 Z 阻断，则称 X 与 Y 在给定 Z 下 d 分离。结合马尔可夫与忠实性假设，d 分离就等价于概率上的条件独立。

实际操作中，有三种主流打法。其一是 d 分离检验：在图上手工推导条件独立性，再对数据做条件独立测试验证；其二是结构学习：利用大量的条件独立检验结果反推最吻合的 DAG；其三是敏感性分析：主动假设存在某个未观测混杂，考察结论会在多大程度上被撼动。三者共同构筑了因果假设的“质检体系”。

族谱研究者最得意的时刻，莫过于用这套“通路检查法”推翻一个流传百年的传说：原来表兄妹之间的相似，完全是因为他们共同居住的村庄环境（一个未记录的条件节点），而非血缘。DAG 的检验方法就是这般锋利——它让你不只是“画出假设”，而是真刀真枪地检验假设，让每个因果结论都过一遍质检关。

AI 应用场景

Python 演示

"""DAG 因果假设：d 分离判定器 在 DAG 上判断给定条件下两个变量是否独立。只要存在一条未被阻断的路径，就不满足 d 分离。"""from collections import deque  class CausalDAG:    def __init__(self, edges):        self.edges = set(edges)        self.nodes = set()        for a, b in self.edges:            self.nodes.add(a)            self.nodes.add(b)     def parents(self, node):        return {a for a, b in self.edges if b == node}     def children(self, node):        return {b for a, b in self.edges if a == node}     def neighbors(self, node):        return self.parents(node) | self.children(node)     def undirected_paths(self, start, end):        """枚举 start 到 end 的所有简单无向路径"""        paths = []        queue = deque([(start, [start])])        while queue:            node, path = queue.popleft()            if node == end:                paths.append(path)                continue            for nxt in self.neighbors(node):                if nxt not in path:                    queue.append((nxt, path + [nxt]))        return paths     def descendants(self, node):        """返回 node 的所有后代节点集合"""        result = set()        stack = [node]        while stack:            cur = stack.pop()            for ch in self.children(cur):                if ch not in result:                    result.add(ch)                    stack.append(ch)        return result     def path_blocked(self, path, given):        """一条无向路径在 given 条件下是否被阻断"""        for idx, node in enumerate(path[1:-1], start=1):            prev, nxt = path[idx - 1], path[idx + 1]            is_collider = prev in self.parents(node) and nxt in self.parents(node)            if is_collider:                if node not in given and not (self.descendants(node) & given):                    return True            else:                if node in given:                    return True        return False     def d_separated(self, x, y, given):        """x 与 y 在条件集 given 下是否 d 分离"""        for path in self.undirected_paths(x, y):            if not self.path_blocked(path, given):                return False        return True  if __name__ == "__main__":    # X: 吸烟, Z: 焦油沉积, W: 住院, Y: 肺癌    dag = CausalDAG([("X", "Z"), ("Z", "Y"),                     ("X", "W"), ("Y", "W")])    print("条件于 Z 时 X 与 Y 是否 d 分离:", dag.d_separated("X", "Y", {"Z"}))    print("条件于 W 时 X 与 Y 是否 d 分离:", dag.d_separated("X", "Y", {"W"}))    print("无条件时 X 与 Y 是否 d 分离:", dag.d_separated("X", "Y", set()))

1. self.edges = set(edges)用集合存储有向边，节点自动去重，避免重复边干扰判定。
2. def parents(self, node)查“爸爸是谁”，用于判断路径上的节点是否为对撞因子。
3. def undirected_paths(self, start, end)BFS 枚举所有无向路径，d 分离需要逐条检查。
4. is_collider = prev in self.parents(node) and nxt in self.parents(node)路径上两条边都指向该节点，说明它是“对撞因子”。
5. if node not in given and not (self.descendants(node) & given)对撞因子及其后代都不在条件集里，路径才算被阻断。
6. else: if node in given: return True非对撞因子被条件化，路径同样被阻断。
7. for path in self.undirected_paths(x, y)遍历所有路径，只要一条畅通就拒绝 d 分离。

常见误区

面试题