Which Effect of Race? Causal Inference without Holding All Else Equal¶

作者: Thomas Leavitt
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2607.16371

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向要解决的根本问题是：在因果推断框架下，如何定义、识别和估计一个“类别变量”（如种族、宗教、民族）的因果效应，当这个类别本身不可避免地与一系列非类别属性（如语言、居住地、犯罪记录）相关联时。传统方法通过“控制其他变量不变”来隔离类别变量的“纯净”效应，但这恰恰剥离了类别在现实世界中的社会内容。当前成熟度：这是一个高度活跃且充满争议的领域，处于因果推断、社会科学方法论和种族/性别哲学的交叉点。核心张力在于：一个“好”的因果效应，是否必须是一个“其他一切相等”的对比？

发展脉络（history）¶

奠基工作：因果推断框架与“不可操纵”的种族
- Holland (1986) 和 Rubin (1974) 的潜在结果框架为因果效应提供了严谨定义，但明确指出“种族”无法被操纵，因此不能像传统处理变量那样定义个体层面的种族效应。
- Greiner & Rubin (2011) 提出一个关键转向：将效应定义在决策者（如雇主、检察官）身上，而非被操纵的个体身上。效应是决策者对两个不同种族化个体的反应差异。这为后续研究提供了可操作的基础。
- Bertrand & Mullainathan (2004) 的经典审计研究（“Are Emily and Greg More Employable than Lakisha and Jamal?”）是“其他一切相等”设计的典范，通过随机化简历上的名字来隔离种族信号，同时保持其他所有特征不变。该设计被广泛认为是“可信推断”的标准。
主要进展：识别“种族效应”的挑战与回应
- Sen & Wasow (2016) 提出“种族作为一捆棍子”（Race as a Bundle of Sticks）的隐喻，承认种族由多个属性（棍子）构成。他们的回应是研究单根“棍子”的效应（如一个特定的名字），而不是整个“捆”的效应。这实质上接受了“其他一切相等”的前提，但将目标从“种族”缩小到“种族信号”。
- Kohler-Hausmann (2019) 和 Hu & Kohler-Hausmann (2025) 从“厚建构主义”种族观出发，提出不相容性回应。他们认为，种族类别本身包含了其索引的非种族属性。因此，一个“其他一切相等”的对比，恰恰剥离了种族类别的社会内容，不能被视为“种族”的效应。他们的结论是，潜在结果框架不适用于检测种族歧视，或者必须与规范性探究相结合。
- Hainmueller, Hopkins & Yamamoto (2014) 在conjoint实验中推广了平均边际成分效应（AMCE），这是“其他一切相等”效应在多元选择情境下的一个特例。de la Cuesta, Egami & Imai (2022) 进一步改进了AMCE的外部有效性，通过校准属性分布来匹配目标总体。
当前Frontier与本文位置
- 当前前沿的争论焦点是：在承认种族是“厚”类别的前提下，能否在不放弃因果推断的情况下，定义并识别其效应？
- 本文（Leavitt, 2026） 的位置是：挑战上述两个回应共享的前提——“种族的因果效应必须是其他一切相等的对比”。作者证明，这个前提是一个选择，而不是可信推断的要求。通过将“选择效应”和“恢复效应”这两个问题分离，作者证明同一个随机化设计可以恢复一族效应，从“其他一切相等”到“种族内效应”。这为“厚建构主义”和因果推断之间架起了一座桥梁。

子线索聚类¶

审计/实地实验与“其他一切相等”设计：以 Bertrand & Mullainathan (2004)、Pager (2003)、Quillian et al. (2017) 为代表。核心是使用精心设计的刺激（如简历、测试者）来隔离种族信号，控制所有其他变量。这一簇的贡献在于提供了高度可信的因果估计，但代价是默认选择了“其他一切相等”效应。
Conjoint实验与AMCE：以 Hainmueller & Hopkins (2015)、Hainmueller et al. (2014)、de la Cuesta et al. (2022) 为代表。通过同时随机化多个属性来估计每个属性的边际效应。AMCE是“其他一切相等”效应的一种形式。这一簇的方法论贡献在于处理多维选择，但同样默认了“其他一切相等”的对比。
批评性文献与“厚建构主义”：以 Kohler-Hausmann (2019)、Hu (2023)、Hu & Kohler-Hausmann (2025)、Sen & Wasow (2016) 为代表。这一簇从哲学和社会学角度质疑标准因果推断方法。Sen & Wasow 的回应是研究“信号”而非“类别”；Kohler-Hausmann 等人的回应是认为因果推断不适用。本文直接与这一簇对话，提供了一个中间路径。

这个方向在追问的核心问题¶

定义问题：种族的“因果效应”应该是什么？是剥离了所有关联属性的“纯净”名义成员效应，还是包含了这些关联属性的“类别作为构成”的效应？
识别问题：在给定一个研究设计（如随机化实验）后，它能识别出哪个（些）效应？传统观点认为设计只能识别“其他一切相等”效应。本文挑战了这一点。
选择问题：如果多个效应都可以被识别，研究者应该如何选择？这个选择是统计性的还是实质性的（如基于种族概念或规范性理论）？
感知与暴露的张力：在感知为基础的制度下（如名字诱导感知），研究者无法自由选择效应，因为感知本身是潜在结果。如何理解这种“非选择”下的效应？

⚠️ 作者的 framing¶

作者把缺口 frame 成什么：作者将文献中的核心缺口 frame 为“捆绑”。他认为，文献对“其他一切相等”设计的辩护，错误地将两个问题捆绑在一起：① 研究应该估计种族的哪个效应（estimand commitment）；② 设计能否恢复该效应（recovery condition）。作者的贡献是解绑这两个问题，证明同一个设计可以恢复一族效应，从而将选择效应变成一个实质性（而非统计性）的决策。
哪些竞争路线被他淡化或回避了：
- 作者淡化了 Kohler-Hausmann (2019) 的更强结论，即潜在结果框架从根本上不适用于检测歧视。作者通过证明“种族内效应”是一个定义良好的因果效应来回应，但并未完全解决 Kohler-Hausmann 关于“反事实因果思维”在歧视检测中可能产生误导的更深层哲学担忧。
- 作者回避了观测研究中的识别问题。本文的识别结果完全依赖于随机化（配置或线索的完全随机分配）。在观测研究中，当需要依赖无混杂性等假设时，本文的效应族是否还能被识别？作者在结论中提到了这一点，但未深入。
什么明显该被引/该存在、却没出现在 intro 里？：未见明显缺失的关键引用。作者引用了该领域几乎所有核心文献，包括支持者和批评者。

张力¶

未见明显对立引用。文献中的不同观点（如 Sen & Wasow 的“信号”回应 vs. Kohler-Hausmann 的“不相容”回应）并非基于矛盾的实证发现，而是源于对“种族是什么”这一前提的不同理解。本文的核心贡献正是通过挑战它们共享的前提来调和这种张力。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号：
- i ∈ {1, ..., N}: 决策者-决策对（unit），例如一位检察官阅读一份案卷。
- z ∈ {0, 1}: 种族化属性（racially constituted attribute），例如案卷上标明的种族（0=白人，1=黑人）。
- v ∈ V: 非种族特征向量（nonracial features），例如逮捕地点、前科记录。V 是有限集合。
- t_i = (z, v) ∈ T: 配置（configuration），即unit i 遇到的完整案卷。T = {0, 1} × V 是配置空间。
- y_i(t) = y_i(z, v): 潜在结果（potential outcome），即unit i 在配置 t 下的反应（例如是否起诉）。这是要估的对象。
- τ_i(t, t') = y_i(t) - y_i(t'): 单位层面的效应。
- ρ(v): 一个共同的概率分布，用于加权非种族特征 v。
- q_z(v): 种族条件分布，即在种族 z 下非种族特征 v 的分布。
- g_z(v): 目标效应中，对种族 z 下的非种族特征 v 的加权分布。对于AEE，g_0 = g_1 = ρ；对于AEWR，g_z = q_z。
模型：
- 数据生成机制：本文考虑的是随机化实验。在暴露为基础（exposure-based）的制度下，配置 t_i = (z, v) 是完全随机分配的（Assumption 3）。这意味着每个unit i 被分配到每个配置 (z, v) 的概率是固定的、已知的，且不依赖于unit i 的任何属性。
- 已知：分配机制（即每个配置的单元数 n_{z,v}）。研究者指定的加权分布 g_z(v)。
- 要估的对象：一族因果效应 θ(g_0, g_1)，它是单位层面种族效应的加权平均。
可观测数据：
- 可观测：每个unit i 被分配到的配置 T_i，以及该unit 的观测结果 Y_i = y_i(T_i)。
- 不可观测/潜在：每个unit i 在其他配置下的潜在结果 y_i(z', v')，其中 (z', v') ≠ T_i。这是因果推断的基本问题。此外，在感知为基础（perception-based）的制度下，感知到的种族 z_i(w) 和非种族特征 v_i(w) 也是潜在结果，通常不可观测。

第二步：讲最小内核¶

本文的核心思路可以用一个最简特例来理解：一个只有两个种族（z=0, 1）和一个二元非种族特征（v ∈ {0, 1}）的实验。

设定：假设我们研究检察官的起诉决定。z=1 表示案卷标明“黑人”，z=0 表示“白人”。v=1 表示逮捕发生在高犯罪率、以黑人为主的社区（如布朗斯维尔），v=0 表示发生在低犯罪率、以白人为主的社区（如上东区）。
可观测数据：我们随机分配案卷给检察官。每个案卷包含一个种族 z 和一个社区 v。我们观测到每个检察官的起诉决定 Y_i。
核心问题：我们想估计“种族”对起诉决定的影响。但“黑人”和“白人”这两个群体在社区分布上天然不同（q_1(v=1) 很大，q_0(v=1) 很小）。如果我们“控制社区不变”（即 v=v'），我们比较的是“在布朗斯维尔被捕的黑人”和“在布朗斯维尔被捕的白人”。后者是一个“非典型”的白人。如果我们“让社区随种族变化”（即 v 和 v' 可以不同），我们比较的是“在布朗斯维尔被捕的黑人”和“在上东区被捕的白人”，这更符合现实中的群体对比。
最小内核：两个极端效应
1. 其他一切相等效应 (AEE)：我们强制 v = v'。效应是 τ_i((1, v), (0, v)) = y_i(1, v) - y_i(0, v)。然后我们用一个共同的分布 ρ(v) 来平均这些 v 特定的效应。例如，ρ(v=1) = ρ(v=0) = 0.5。这个效应回答的是：“如果我们将一个黑人和一个白人置于完全相同的社区，起诉率的差异是多少？”
2. 种族内效应 (AEWR)：我们允许 v 和 v' 不同。效应是 y_i(1, v) - y_i(0, v')。然后我们用种族特定的分布 q_z(v) 来加权。例如，对于黑人，我们用 q_1(v) 加权 y_i(1, v)；对于白人，我们用 q_0(v') 加权 y_i(0, v')。这个效应回答的是：“一个典型的黑人（在布朗斯维尔被捕）和一个典型的白人（在上东区被捕）之间的起诉率差异是多少？”
核心数学困难与关键想法：
- 困难：传统观点认为，要得到无偏估计，我们必须“控制混杂”，即让 z 和 v 独立（profile-blindness）。但这会强制 v=v'，从而只能估计AEE。
- 关键想法：作者证明，我们不需要 z 和 v 独立。我们只需要单位盲性（unit-blindness），即每个unit i 被分配到每个配置的概率相同。只要每个配置 (z, v) 都有至少一个单元，我们就可以无偏地估计每个配置的单元均值 µ(z, v) = E[Y_i | T_i = (z, v)]。然后，任何加权平均 θ(g_0, g_1) = Σ_v g_1(v)µ(1, v) - Σ_v g_0(v)µ(0, v) 都是无偏的。选择不同的 g_z 就定义了不同的效应。随机化本身不选择效应，它只保证我们能恢复任何我们选择的效应。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：本文研究了在种族歧视的实证研究中，如何定义和识别种族的因果效应。它挑战了“种族的因果效应必须是‘其他一切相等’对比”这一普遍前提。
核心工具/方法：作者提出了一个效应族框架，该框架将同一个随机化设计下可识别的效应从“其他一切相等效应”（AEE）扩展到“种族内效应”（AEWR）及其混合形式。核心工具是解绑“选择效应”和“恢复效应”这两个问题，并利用单位盲性（而非轮廓盲性）作为识别条件。
主要结论：① 同一个随机化设计可以无偏地恢复一族因果效应，而不仅仅是AEE。② 选择哪个效应是一个实质性（基于种族概念和规范性理论）而非统计性的决策。③ 在感知为基础的制度下，自然种族效应（NREC）是一个定义良好的因果效应，其识别条件比文献中假设的“线索稳定性”更弱。④ 通过重新分析一个西班牙语竞选实验，作者展示了AEE和AEWR可以得出截然相反的结论（一个发现同族偏好，一个没有）。

关键设定与假设¶

SUTVA (Assumption S1 & S2)：稳定单元处理值假设。在暴露制度下，一个unit的潜在结果只取决于它自己的配置，不受其他unit配置的影响（无干扰），且同一决策者的不同决策之间无延续效应。在感知制度下，类似假设适用于线索、感知种族和感知非种族特征。
完全随机分配 (Assumption 3 & 4)：配置（或线索）是完全随机分配的，每个配置（或线索）的单元数是固定的。这保证了单位盲性，即分配概率不随unit变化。
感知充分性 (Assumption 1)：在感知制度下，线索对结果的影响完全通过其诱导的感知配置（感知种族和感知非种族特征）来传导，没有其他直接渠道。
无非违者 (Assumption S3)：在感知制度下，没有unit会反向感知线索（即把黑人线索感知为白人，反之亦然）。
存在至少一个依从者 (Assumption S4)：在感知制度下，至少有一个unit的感知种族会随线索变化（从0到1）。
无非孤立非种族感知变化 (Assumption 2)：在感知制度下，对于非依从者（感知种族不随线索变化的unit），其感知的非种族特征也不会随线索变化。这是识别NREC的关键假设，比文献中的“线索稳定性”更弱。

主要结果¶

效应族定义 (Section 4)：严格定义了AEE、AEWR和混合效应，将它们统一表示为 θ(g_0, g_1) = Σ_v g_1(v)µ(1, v) - Σ_v g_0(v)µ(0, v)。这为后续的识别和估计提供了统一框架。
识别结果 (Proposition 1 & 2)：
- 暴露制度 (Proposition 1)：单位盲性足以无偏地恢复效应族中的任何成员。轮廓盲性（z 与 v 独立）既不必要也不充分用于推断；它的作用是选择AEE这个特定的效应。这是本文最核心的理论贡献。
- 感知制度 (Proposition 2)：在无非违者和感知充分性下，无非孤立非种族感知变化 (Assumption 2) 足以使Wald比率（∆_Y / ∆_Z）等于自然种族效应（NREC）。这比文献中要求的“线索稳定性”（对所有unit都要求 v_i(0) = v_i(1)）更弱。
估计与推断 (Section 7)：
- 暴露制度：提出了一个简单的插件估计量 ˆθ = Σ_v g_1(v)ˆµ(1, v) - Σ_v g_0(v)ˆµ(0, v)，其中 ˆµ(z, v) 是单元均值。证明了该估计量的无偏性（Proposition S3）和一致性（Proposition S5）。
- 方差与置信区间：推导了精确方差（Proposition S4），并给出了一个保守的方差上界（Corollary S2），该上界只依赖于可识别的单元内方差。基于此，可以构建保守的置信区间。证明了方差估计量的一致性（Proposition S6）和中心极限定理（Proposition S7）。
- 感知制度：使用Wald比率估计量 \NREC = ˆ∆_Y / ˆ∆_Z，并给出了基于Delta方法的保守置信区间。

证明路线与技术技巧¶

整体路线：
1. 定义效应族：将一族效应统一表示为加权单元均值的差 θ(g_0, g_1)。
2. 证明无偏性：在完全随机分配下，证明插件估计量 ˆθ 是 θ 的无偏估计。关键在于，E[ˆµ(z, v)] = µ(z, v)，因为分配是随机的。这个证明不依赖于 z 和 v 的独立性。
3. 推导方差：利用随机分配下指示变量的协方差结构（Lemma S1），推导出 ˆθ 的精确方差。方差中包含不可识别的跨单元协方差。
4. 构造保守方差：通过两种方式获得保守方差上界：① 直接丢弃不可识别的单元间效应方差 S^2(ψ)（Neyman式）；② 使用Cauchy-Schwarz不等式对跨单元协方差进行上界估计。取两者中较小的一个作为最终上界（Corollary S2）。
5. 建立渐近理论：在正则条件下，证明 ˆθ 的一致性、方差估计量的一致性以及中心极限定理，为构建渐近有效的置信区间提供理论基础。
关键跳跃点：
- 从“轮廓盲性”到“单位盲性”：这是本文最关键的跳跃。传统观点认为，要识别种族效应，必须让种族 z 与非种族特征 v 独立（轮廓盲性）。作者证明，这实际上是选择了AEE这个效应，而不是识别了它。真正的识别条件仅仅是单位盲性。这个跳跃是通过将“选择效应”和“恢复效应”解绑实现的。
- 从“线索稳定性”到“无非孤立非种族感知变化”：在感知制度下，文献要求线索不能改变任何人的非种族感知（线索稳定性）。作者证明，这个条件对于识别NREC来说过强了。只需要非依从者的非种族感知不变（Assumption 2），而依从者的非种族感知可以自由变化。这个跳跃是通过将依从者和非依从者的角色分开实现的。
技术技巧点名：
- 随机化推断：整个证明框架是设计-based的，依赖于完全随机分配的性质。
- 有限总体中心极限定理：使用了Li & Ding (2017) 的有限总体CLT来证明 ˆθ 的渐近正态性。
- Delta方法：用于构造NREC比率估计量的置信区间。
- Cauchy-Schwarz不等式：用于对不可识别的跨单元协方差进行上界估计，从而获得保守的方差估计。

真实例子与应用¶

数据/场景：重新分析了 Zárate et al. (2024) 的候选人评价实验。该实验研究西班牙裔选民是否更偏好西班牙裔候选人。实验随机化候选人的种族（Anglo vs. Hispanic）和竞选演讲的语言（英语、非母语西班牙语、母语西班牙语）。
如何应用：
- 暴露制度：将候选人的种族 z 和语言 v 视为随机分配的配置。研究者可以自由选择加权分布 g_z(v)。作者使用竞选广告数据（Table 1）来定义 q_z（种族内语言分布）和 ρ（共同分布）。
  - AEE：使用共同分布 ρ 加权语言。结果：效应为 -0.01，不显著。
  - AEWR：使用种族特定分布 q_z 加权语言。结果：效应为 0.10，显著。
- 感知制度：将候选人的名字和标签视为一个线索 w。使用感知种族测量作为第一阶段，估计NREC。结果：在英语条件下，NREC显著为正；在西班牙语条件下，不显著。
结果：AEE和AEWR给出了截然相反的结论。AEE显示没有同族偏好，而AEWR显示存在。这个差异源于AEE将Anglo候选人主要置于“母语西班牙语”这个非典型配置下，而AEWR则比较了典型的Anglo（非母语西班牙语）和典型的Hispanic（母语西班牙语）候选人。
这个例子想说明什么：这个例子完美地展示了本文的核心论点：选择哪个效应（AEE vs. AEWR）直接决定了研究发现。它不是一个统计问题，而是一个关于“种族类别是什么”的实质性选择。如果研究者认为语言是种族类别的一部分（厚建构主义），那么AEWR是更合适的效应；如果认为语言是可分离的（古典主义），那么AEE是合适的。

🔎 结论是否比证明窄¶

是。本文的识别结果（Proposition 1 & 2）是在完全随机化的强假设下严格证明的。然而，作者在结论（Section 9）中将其推广到更广泛的场景，如“将效应族推广到观测研究”。这是一个conjecture，因为观测研究需要依赖无混杂性等不可验证的假设，而本文并未证明在这些假设下，效应族中的每个成员都能被识别。作者在结论中承认了这一点（“where identification assumptions replace the randomization this paper assumes”），但并未提供任何证明或条件。

四、开放问题¶

如何将效应族推广到观测研究？ 在观测研究中，识别需要依赖无混杂性等假设。这些假设是否足以识别整个效应族，还是只能识别特定的成员（如AEE）？这需要发展新的识别条件和估计方法。扎根点：Section 9, “carrying the estimands to observational studies, where identification assumptions replace the randomization this paper assumes.”
如何为效应族中的每个成员构造半参数有效估计量并推导效率界？ 本文只给出了基于随机化的简单插件估计量。对于更复杂的设定（如观测研究、连续型非种族特征），可以发展基于高效影响函数（EIF）的估计量，并推导半参数效率界。这与研究者的 very_familiar 工具（estimation theory in causal inference）和 moderately_familiar 工具（semiparametric theory）高度契合，属于立即可做的follow-up。
如何将效应族框架与“统计-计算权衡”联系起来？ 当非种族特征 v 的维度很高时，计算所有配置的单元均值 µ(z, v) 可能不可行。是否存在计算上更高效的估计量（如基于核方法或稀疏模型的估计量）？这些估计量的统计效率与计算成本之间是否存在权衡？这与研究者的 primary_interests（statistical-computational tradeoff）高度相关，但需要研究者先熟悉本文的因果推断框架。扎根点：本文假设 V 是有限集，但未讨论高维情况。
在感知制度下，如何放松“无非孤立非种族感知变化 (Assumption 2)”？ 该假设要求非依从者的非种族感知不变。如果这个假设不成立，Wald比率估计什么？能否发展出基于工具变量或敏感性分析的方法来处理这种情况？扎根点：Proposition 2 和 Proposition 3 的证明依赖于 Assumption 2。

Maintained by 陈星宇 · Homepage · Source on GitHub