4. 混淆变量与DAG：有向无环图构建、后门准则、前门准则
在促销影响量化中，最棘手的挑战并非数据稀疏或模型过拟合，而是混淆偏差。当某个变量同时影响“促销策略”和“销售结果”时，它会制造虚假的相关性，导致我们高估或低估真实的促销效果。有向无环图（DAG）是因果推断中用于显式表达变量间因果假设的核心工具，而后门准则与前门准则则是从DAG中识别可估计因果效应的两大基石。
4.1 混淆变量的本质与识别
混淆变量（Confounder）是因果图中一种特殊的节点，它同时是处理变量（促销）和结果变量（销量）的共同原因。若不加以控制，它会打开一条非因果的“后门路径”，使估计产生偏差。
| 特征 | 说明 | 促销场景示例 |
|---|---|---|
| 与处理变量相关 | 混淆变量影响促销是否被触发或强度 | 节假日（如双11）期间，品牌更倾向加大促销力度 |
| 与结果变量相关 | 混淆变量直接影响销售表现 | 节假日本身带来更高的客流量和购买意愿 |
| 不在因果路径上 | 它不是处理到结果的中间环节 | 节假日不是“促销→销量”链条中的中介变量 |
关键判断： 在DAG中，若存在路径
促销 ← 节假日 → 销量，则“节假日”是混淆变量。忽略它会导致促销效果估计中包含节假日效应，产生正向偏差。
4.2 有向无环图（DAG）的构建原则
DAG由节点（变量）和有向边（因果方向）组成，且不允许存在有向环。构建DAG不是数据驱动的，而是基于领域知识对因果结构的先验假设。
- 节点选择： 包含处理变量（X）、结果变量（Y）、所有已知的混淆变量（W）、中介变量（M）以及对撞变量（Collider）。
- 边方向： 箭头从原因指向结果。例如“促销 → 销量”表示促销影响销量。
- 无环约束： 不能存在
A → B → C → A的循环路径。 - 潜在变量： 未观测的混淆变量可用虚线节点表示，但会限制可识别性。
以下是一个典型的促销因果DAG结构，包含混淆变量（节假日）、处理变量（促销折扣）、中介变量（曝光量）和结果变量（销量）。
构建要点： 在绘制DAG时，优先列出所有可能同时影响“促销决策”和“销售结果”的业务变量，如：季节、竞争对手活动、库存水平、品牌广告投放。遗漏关键混淆变量是DAG建模中最常见的错误。
4.3 后门准则（Backdoor Criterion）
后门准则提供了一种判断条件：给定一组变量 W，如果 W 阻断了处理变量 X 与结果变量 Y 之间所有包含指向 X 的箭头（即“后门路径”）的路径，且 W 中不包含 X 的后代节点，则可以通过调整 W 来无偏估计 X 对 Y 的因果效应。
操作步骤：
- 在DAG中找出所有从 X 到 Y 的路径（包括直接路径和间接路径）。
- 识别出所有“后门路径”：即那些有箭头指向 X 的路径（X ← ... → Y）。
- 选择一组变量 W，使得：
- 每个后门路径都被 W 中的至少一个节点阻断。
- W 中不包含 X 的后代节点（避免过度控制中介或对撞变量）。
- 通过回归、分层或倾向性评分等方法对 W 进行调整。
| 路径类型 | 是否需阻断 | 阻断方式 |
|---|---|---|
| X → Y（直接因果路径） | 否 | 保留，这是目标效应 |
| X ← Z → Y（后门路径） | 是 | 控制 Z（如分层或加入回归模型） |
| X → M → Y（中介路径） | 否 | 不控制 M，否则会阻断部分因果效应 |
| X → C ← Y（对撞路径） | 否 | 控制 C 会打开该路径，引入选择偏差 |
常见陷阱： 控制“对撞变量”（Collider）会打开一条原本被阻断的路径，反而引入偏差。例如，同时控制“促销活动”和“销量”的共同结果（如“库存告急”），会导致虚假的相关性。
4.4 前门准则（Frontdoor Criterion）
当存在未观测的混淆变量，导致无法通过后门准则找到合适的调整集时，前门准则提供了一种替代识别策略。它利用处理变量与结果变量之间的中介变量来估计因果效应。
前门准则的适用条件：
- 存在一个中介变量 M，它完全中介了 X 对 Y 的效应（即所有 X 对 Y 的影响都通过 M）。
- M 不受未观测混淆变量的影响（即 X 与 M 之间无后门路径，或可被观测变量阻断）。
- X 对 M 的效应可识别，且 M 对 Y 的效应可识别（通过控制 X 来阻断 M 到 Y 的后门路径）。
估计步骤：
- 第一步： 估计 X 对 M 的因果效应
P(M | X)。由于 X 是随机或条件随机分配的（或已控制可观测混淆），这一步通常可行。 - 第二步： 估计 M 对 Y 的因果效应
P(Y | M, X)。通过控制 X 来阻断 M 到 Y 的后门路径。 - 第三步： 将两步效应进行积分（或求和），得到 X 对 Y 的总效应：
P(Y | do(X=x)) = Σ_m P(Y | M=m, X=x) × P(M=m | X=x)
以下SVG展示了前门准则的核心结构，其中存在未观测混淆变量 U，但通过中介变量 M 仍可识别因果效应。
4.5 后门准则 vs 前门准则：对比与选择
| 维度 | 后门准则 | 前门准则 |
|---|---|---|
| 核心思想 | 阻断所有后门路径 | 利用中介变量分解效应 |
| 对混淆变量的要求 | 需要观测并控制所有混淆变量 | 允许存在未观测混淆变量 |
| 对中介变量的要求 | 不能控制中介变量（否则阻断部分效应） | 需要存在完全中介变量，且X→M和M→Y可识别 |
| 适用场景 | 混淆变量可观测且可测量 | 存在不可观测混淆，但有明确中介机制 |
| 促销案例 | 控制“节假日”、“竞争对手促销”等可观测混淆 | 通过“曝光量”中介，估计促销对销量的影响，即使“品牌偏好”未观测 |
| 估计复杂度 | 较低，通常通过回归或匹配实现 | 较高，需要两步估计并积分 |
工程建议： 在促销量化项目中，优先尝试后门准则。只有当领域专家确认存在强未观测混淆（如消费者情绪、竞品突发的公关事件）且存在可信的中介变量（如搜索指数、页面停留时长）时，才考虑前门准则。前门准则对中介变量的“完全性”假设非常敏感，误用会导致比后门调整更大的偏差。
4.6 从DAG到估计：实操流程
- 绘制初始DAG： 与业务方、产品经理共同列出所有可能相关的变量，并标注因果方向。
- 识别后门路径： 使用DAGitty或手动检查所有从处理到结果的后门路径。
- 选择调整集： 应用后门准则，选择最小充分调整集（Minimal Sufficient Adjustment Set）。
- 敏感性分析： 对未观测混淆的强度进行模拟（如E-value计算），评估结论的稳健性。
- 模型估计： 使用线性回归、倾向性评分加权或双重机器学习（DML）对调整集进行控制。
DAG不是静态的。在数据探索阶段发现新的相关性或业务逻辑变化时，需要迭代更新DAG结构，并重新评估识别策略的有效性。因果推断的可靠性，始于一张经过严谨推敲的DAG。