name: 因果推断-根因分析 description: 当调查为什么某事发生并需要区分相关性与因果关系、识别根本原因与症状、测试竞争假设、控制混杂变量或设计实验验证因果声称时使用。在调试系统、分析失败、研究健康结果、评估政策影响或用户提到根因、因果链、混杂、虚假相关或询问“这到底为什么会发生？”时调用。
因果推断与根因分析
目录
目的
系统调查因果关系以识别真正的根本原因，而非仅仅是相关关系或症状。此技能帮助区分真实因果与虚假关联，测试竞争解释，并设计针对底层驱动因素的干预措施。
何时使用此技能
- 调查系统故障或生产事件
- 调试具有多个潜在原因的绩效问题
- 分析指标变化的原因（例如，转化率下降）
- 研究健康结果或治疗效果
- 评估政策或干预措施影响
- 区分数据中的相关性与因果关系
- 识别实验中的混杂变量
- 追溯症状到根本原因
- 测试关于因果关系的竞争假设
- 设计实验验证因果声称
- 理解项目成功或失败的原因
- 分析客户流失或保留驱动因素
触发短语： “根本原因”、“为什么会发生”、“因果链”、“相关性与因果关系”、“混杂”、“虚假相关”、“真正原因是什么”、“底层驱动因素”
什么是因果推断？
一种系统方法，用于确定X是否导致Y（不仅仅与Y相关）：
- 相关性：X和Y一起变动（可能是巧合或由于第三因素Z）
- 因果关系：改变X直接导致Y变化（存在因果机制）
关键概念：
- 根本原因：如果解决此根本问题，则可防止该问题发生
- 近因：立即触发因素（可能是症状，非根本）
- 混杂变量：导致X和Y的第三因素，创造虚假相关
- 反事实：“如果没有X会怎样？”——关键因果问题
- 因果机制：X影响Y的途径或过程
快速示例：
# 效应：网站转化率下降30%
## 竞争假设：
1. 新结账用户界面令人困惑（近因）
2. 支付处理器延迟增加（近因）
3. 我们换用了一个更便宜但更慢的支付处理器（根本原因）
## 测试：
- 回滚用户界面（无变化）→ 用户界面不是原因
- 检查支付日志（确认延迟）→ 延迟是原因
- 追踪到处理器变更 → 处理器变更是根本原因
## 反事实：
“如果我们没有切换处理器，转化率会下降吗？”
→ 不会，用旧处理器时转化率良好
## 结论：
根本原因 = 处理器切换
机制 = 结账慢 → 用户放弃
工作流程
复制此清单并跟踪进度：
根因分析进度：
- [ ] 步骤1：定义效应
- [ ] 步骤2：生成假设
- [ ] 步骤3：构建因果模型
- [ ] 步骤4：测试因果关系
- [ ] 步骤5：文档化和验证
步骤1：定义效应
描述效应/结果（具体发生了什么），尽可能量化（幅度、频率），建立时间线（何时开始，是否持续？），确定基线（什么是正常，什么变了？），并识别利益相关者（谁受影响，谁需要答案？）。关键问题：我们具体在解释什么？一次性事件还是重复模式？如何客观测量？
步骤2：生成假设
列出近因（立即触发因素/症状），识别潜在根本原因（底层因素），考虑混杂因素（第三因素创造虚假关联），并挑战假设（如果初始理论错了怎么办？）。技术：5个为什么（反复问“为什么”）、鱼骨图（分类原因）、时间线分析（效应前发生了什么？）、鉴别诊断（还有什么能解释症状？）。简单调查 → 使用资源/模板.md。复杂问题 → 学习资源/方法论.md获取高级技术。
步骤3：构建因果模型
绘制因果链（A → B → C → 效应），识别必要与充分原因，映射混杂关系（什么同时影响原因和效应？），注意时间顺序（原因先于效应——因果的必要条件），并指定机制（X如何导致Y）。模型元素：直接原因（X → Y）、间接（X → Z → Y）、混杂（Z → X和Z → Y）、中介变量（X → M → Y）、调节变量（X → Y取决于M）。
步骤4：测试因果关系
检查时间顺序（原因先于效应？），评估关联强度（强相关？），寻找剂量反应（原因越多 → 效应越多？），测试反事实（如果原因不存在/移除会怎样？），搜索机制（解释如何），检查一致性（跨情境成立？），并排除混杂因素。证据层次：随机对照试验（黄金标准）> 自然实验 > 纵向研究 > 病例对照 > 横截面研究 > 专家意见。使用布拉德福德·希尔标准（9个因素：强度、一致性、特异性、时间性、剂量反应、合理性、连贯性、实验、类比）。
步骤5：文档化和验证
创建因果推断-根因分析.md包含：效应描述/量化、竞争假设、因果模型（链、混杂、机制）、证据评估、根本原因（带置信水平）、推荐测试/干预措施、局限性/替代方案。使用资源/评估者/因果推断根因分析评估表.json验证：确保区分近因与根本原因、控制混杂因素、解释机制、系统评估证据、注明不确定性、推荐干预措施、承认替代方案。最低标准：得分 ≥ 3.5。
常见模式
事件调查（工程）：
- 效应：系统中断、性能下降
- 假设：最近部署、流量激增、依赖故障、资源耗尽
- 模型：时间线 + 依赖图 + 最近变更
- 测试：日志、指标、回滚实验
- 输出：事后报告包含根本原因和预防计划
指标变化（产品/业务）：
- 效应：转化下降、收入变化、用户参与度转变
- 假设：产品变更、季节性、市场变化、测量问题
- 模型：用户旅程 + 外部因素 + 最近实验
- 测试：队列分析、A/B测试数据、细分分析
- 输出：因果解释含推荐行动
政策评估（研究/公共政策）：
- 效应：健康结果、经济指标、社会指标
- 假设：政策干预、混杂因素、长期趋势
- 模型：带混杂的有向无环图 + 机制
- 测试：差异中差异、回归断点、倾向匹配
- 输出：带置信区间的因果效应估计
调试（软件）：
- 效应：错误、意外行为、测试失败
- 假设：最近变更、边界情况、竞争条件、依赖问题
- 模型：代码路径 + 数据流 + 时序
- 测试：重现、隔离、二分搜索、Git二分查找
- 输出：错误报告含根本原因和修复
防护栏
应该做：
- 明确区分相关性与因果关系
- 生成多个竞争假设（不仅确认首个理论）
- 映射混杂变量并控制它们
- 指定因果机制（X如何导致Y）
- 测试反事实（“如果没有X会怎样？”）
- 说明置信水平和不确定性
- 承认替代解释
- 基于根本原因推荐可测试干预措施
不应该做：
- 混淆近因与根本原因
- 选择性收集证据以确认初始假设
- 假设相关意味着因果
- 忽略混杂变量
- 跳过机制解释（仅陈述相关）
- 在没有强证据时夸大置信度
- 在测试替代方案前停在首个合理解释
- 未识别根本原因就提出干预措施
常见陷阱：
- 后此谬误：“之后，因此所以”（时间顺序≠因果）
- 虚假相关：两事物相关因第三因素或巧合
- 混杂：第三变量同时导致X和Y
- 反向因果：Y导致X，非X导致Y
- 选择偏误：样本不具代表性
- 回归均值：极端值自然向平均值移动
快速参考
- 模板：
资源/模板.md——根因分析结构化框架 - 方法论：
资源/方法论.md——高级技术（有向无环图、混杂控制、布拉德福德·希尔标准） - 质量评估表：
资源/评估者/因果推断根因分析评估表.json - 输出文件：
因果推断-根因分析.md - 关键区分：相关性（X和Y一起变动）vs. 因果（X → Y机制）
- 黄金标准测试：随机对照试验（消除混杂）
- 必要标准：时间顺序（原因先于效应）、机制（如何运作）、反事实（如果原因不存在会怎样）