Nature Communications：论文如何写好因果？

从相关到因果：生态学论文中如何更稳妥地写 causation？

我们经常在生态与环境论文中看到类似表述：

温度升高影响物种死亡率； 洪水改变河口双壳类丰度； 捕食者数量下降导致猎物种群增加； 人类活动改变动物栖息地利用。

这些都像是在谈“因果”。但问题是： 我们凭什么从数据中说出“导致”“影响”“改变”？

一篇 Nature Communications 的 Perspective 文章系统讨论了这个问题： Best practices for moving from correlation to causation in ecological research 。

它的核心观点很直接：

“相关不等于因果”这句话是对的，但不够。 “只有实验才能谈因果”这句话也不完全对。

设计不佳的实验可能产生错误因果结论； 设计良好的观测研究，也可能支持可信的因果推断。

关键不在于数据是不是观测数据， 而在于研究者是否清楚说明了：因果问题是什么？ 已有知识支持什么？ 哪些混杂因素可能存在？ 哪些因果假设被采用？ 方法是否与这些假设匹配？

01｜ 数据本身不提供因果解释

如果 X 和 Y 相关，至少有三种可能：

X 影响 Y； Y 影响 X； 第三个变量 C 同时影响 X 和 Y。

例如，瓢虫数量和蚯蚓数量可能相关。 但这不一定说明瓢虫影响蚯蚓，或蚯蚓影响瓢虫。 它们可能只是共同受到农药使用的影响。

所以，从相关走向因果，第一步不是换一个复杂模型， 而是识别并处理共同原因，也就是 confounders。

图 1｜统计相关背后的三种因果可能。 可能是 X 导致 Y ，也可能是 Y 导致 X ，还可能是共同原因 C 同时影响二者。因果推断的第一步，是排除或处理由共同原因造成的混杂 （Correia et al., Nature Communications, 2026, Fig. 1） 。

02｜ 从相关走向因果的三个基础假设

第一， Causal Sufficiency 。 研究中需要观测并纳入所有会同时影响 X 和 Y 的共同原因。 简单说，就是没有遗漏关键混杂因素。

第二， Causal Markov Condition 。 如果 X 和 Y 的相关性完全来自共同原因 C， 那么在控制 C 之后，X 和 Y 应该变得条件独立。

第三， Causal Faithfulness 。 如果两个变量在统计上独立， 这种独立可以被解释为不存在相应因果关系的证据。

这三个假设通常无法仅靠数据完全验证。 也就是说，因果推断从来不是“让模型自己发现真相”， 而是“在明确假设下解释数据”。

03｜ 因果研究的 best-practice 工作流

第一步：定义因果问题，并总结已有知识。

不要一开始就问： “这个模型显著吗？”

而要先问： “我真正想回答的因果问题是什么？”

至少要明确：

结果变量 Y 是什么？ 假设原因 X 是什么？ 可能的混杂因素 C 有哪些？ 原因是否发生在结果之前？ 是否存在中介路径或反向因果？

文章建议用两类工具整理已有知识：

一类是 causal DAG ，也就是因果有向无环图； 另一类是 target trial 思想实验，即设想一个理想随机实验会如何设计。

DAG 的意义不是画一张好看的路径图， 而是把研究者的因果假设暴露出来：

哪些箭头存在？ 哪些箭头不存在？ 哪些变量是混杂因素？ 哪些变量需要控制？ 哪些变量不应该控制？

第二步：区分 causal discovery 和 causal inference。

文章强调，生态学中的因果研究至少有两类任务。

一类是 causal discovery ： 当已有 知识不足 时，目标是探索变量之间是否可能存在因果关系，以及方向可能是什么。

例如： 沙丁鱼和鳀鱼种群之间是否存在因果关系？ 猎物、偷猎、天气和老虎活动之间可能形成怎样的因果网络？

这类研究更偏探索。 它可以帮助生成假设，但结论通常更不确定。

另一类是 causal inference ： 当已有 知识较充分 时，目标是估计因果效应的大小。

例如： 温度升高 1°C 会使野生动物死亡率增加多少？ 野火抑制项目会如何改变树种组成？ 洪水通过盐度和氮输入影响双壳类丰度的效应有多大？

这类研究要求更强的先验知识： 要知道哪些变量是原因，哪些是结果，哪些是混杂因素，以及因果方向大致如何。

图 2｜生态学因果研究的最佳实践工作流。 先定义因果问题和已有知识，再区分因果发现与因果推断，随后选择因果框架、研究设计或算法，并通过敏感性分析检验结论是否依赖关键因果假设 （Correia et al., Nature Communications, 2026, Fig. 3） 。

第三步：选择因果框架。

文章讨论了几个常见框架：

Potential Outcomes ，也叫 Neyman–Rubin 框架。 它适合把问题表述为： 如果同一个研究对象接受处理 vs 不接受处理，结果会有什么差异？

Structural Causal Model, SCM 。 它适合用因果图表达多个变量之间的结构关系。 很多结构方程模型如果要作因果解释，本质上也需要满足 SCM 中的因果假设。

Dynamical Systems Causality, DC 。 它更适合时间序列和动态生态系统。 例如判断一个变量过去的信息，是否能提高对另一个变量未来变化的预测。

第四步：选择研究设计或算法，并检验结论稳健性。

如果目标是 causal inference，文章把研究设计分为三类：

实验设计： 通过操控原因变量和随机化来减少混杂。 处理已测混杂的观测设计： 例如回归调整、倾向得分匹配、结构方程模型等。 处理未测混杂的观测设计： 当某些混杂因素无法测量时，利用外部变异或额外结构假设来识别因果效应。

如果目标是 causal discovery，文章讨论了四类算法：

constraint-based 方法； score-based 方法； functional model-based 方法； dynamical systems causality 方法，例如 convergent cross mapping。

但无论用哪类方法，文章都强调一点：

估计结果之后，不能只报告一个效应值或一张因果网络图。 还要做敏感性分析，说明如果因果假设被违反，结论会如何变化。

04｜ 因果研究的核心不是模型，而是假设

模型再复杂，也不能自动把相关变成因果。 机器学习、SEM、CCM、DAG、倾向得分、随机森林，都不是因果护身符。

如果没有说明：

为什么 X 的变化可以被解释为外生变化？ 为什么关键混杂因素已经被处理？ 为什么反向因果不构成主要问题？ 为什么变量之间的时间顺序合理？ 为什么未测混杂不会推翻结论？

那么“因果”两个字就写得过早。

所以，在生态学和地学论文中，因果表述可以按证据强度分层：

如果只是观测到 X 和 Y 共变， 应写“相关”“伴随变化”“统计关联”。

如果有清晰机制假设和混杂控制， 可以谨慎写“与因果解释一致”“支持 X 影响 Y 的假设”。

如果研究设计明确满足或合理替代了因果假设， 并经过敏感性分析， 才更适合写“X 对 Y 产生因果效应”。

如果存在明确反事实框架， 则可以进一步讨论“如果没有 X，Y 是否会不同”。

这也和我上一篇推文讨论的 Pearl 因果阶梯相对应：不同因果表述，其实回答的是不同层级的问题。（ Seeing, Doing, What-if：论文中如何写好因果？ ）

写在最后

这篇文章对写论文很有启发。

它提醒我们： 从相关到因果，不是从简单模型走向复杂模型， 而是从模糊问题走向清晰问题， 从隐含假设走向显式假设， 从只报告显著性走向报告识别条件和稳健性。

好的因果论文，不只是问：“X 和 Y 是否显著相关？”

而是问： “在什么因果问题下，基于什么已有知识，采用什么不可检验但可辩护的假设，用什么设计或算法，我们才有资格把这个关系解释为因果？”

最后，强烈建议大家去读原文，非常值得一读： https://doi.org/10.1038/s41467-026-69878-z

References

Correia, H. E. et al. Best practices for moving from correlation to causation in ecological research. Nature Communications 17, 1981 (2026).