通常认为，哲学和统计学是得益于定量化数据记录对各个学科的普适性，以及统计学以数据为 分析对象的特点，先后提出了三种分析框架，即反事实框架、潜在结果模型和结构因果模型。反事实 框架介绍因果效应的起源，潜在结果模型和结构因果模型是在反事实理论的基础上进一步发展，并 成为了发现因果关系和评价因果效应时理论最成熟、应用最广泛的两种因果推断分析框架。随着实证 研究方法的不断创新发展，对于如何界定因果关系以及推断事物间的因果关系已经有了比较成熟的 理论，以下将详细阐述。 3反事实框架 在因果关系的研究中，对于因果关系的界定几个世纪以来哲学家们都没有给出一个明确的定义 这主要是因为因果关系中原因和结果的定义在某种程度上都是以彼此为阐述条件，即需要结果来定 义原因，也需要原因来判定结果，使得二者的关系纷繁复杂、扑朔迷离。 在很长一段时间内，哲学中关于因果推理的主要范式是遵循“连续性或相象烘的规律”，将因 果推断看成是一个挖掘事物规律的过程。无论是威廉姆·沙迪什(William Shadish的@提出的判定因果 关系的三项原则，还是保罗·拉扎斯菲尔德(Paul Lazarsfeld)提出的因果判定方法，都强调因果关 系中“规律性”的影响：随后，越来越多的学者认识到通过连续性或相关性的规律并不一定能得出 真正的因果关系，使得哲学中开始出现通过反事实框架(Counterfactual Framework)来探究因果关 系的方法。休谟]于18世纪最早提出基于反事实框架讨论因果关系年给出了反事实的文字化阐述， 大卫·刘易斯(David Lewis)在休谟的研究基础上给出了反事实框架的符号化表达，结合可能世界 语义学和反事实来刻画因果依赖性，并形成了“界定可比较相@性一用相似性来说明反事实一用反 事实来定义反事实依赖性→用反事实依赖性来阐述因果依獭性一用因果依赖性来解释因果性”的逻 辑链条。刘易斯提出的因果依赖命题是对休漠因果关的正式概括一一“若事件A没有发生，则事 件B也不会发生”，一旦这一反事实命题成立，则何得出“若事件A发生，则事件B发生”的命 题自然成立。至此，刘易斯完成了从因果依赖性向因果性的跨越，他指出：“如果A和B是两个现 实事件且满足若A不发生则B不发生，则可以确定事件A是事件B的原因”，这一结论给出了因 果关系中对于原因和结果比较明晰的界定方法，为因果关系的理论思考提供了一种明确的道路。 4潜在结果模型 在因果推断的理论体系中气潜在结果模型(Potential Outcomes Framework)是其中最重要的理 论模型之一。潜在结果模型由哈佛太学知名统计学者唐纳德·鲁宾(Donald B.Rubin)提出，因此该 模型又称鲁宾因果模型。潜在果模型的核心是对同一个研究对象，比较其接受干预和不接受干预 的效应。对于接受干预的研宽对象而言，其不接受干预是一种“反事实”状态，而对于不接受干预 的研究对象而言，共接受干预就是一种“反事实”状态。对于“反事实”框架的概念，鲁宾却并不 认同，他认为对于之不研究对象，其结果出现与否主要取决于分配机制(Assignment Mechanism), 事实上我们只能看到一种结果，但并不意味着另一种结果不存在，这并不是一个非黑即白的概念， 因此用潜在结果表描述事件是一种更加恰当的方式。 4.1基本概念 潜在结果模型跳脱出因果推理的正统思想，转而着重哲学中反事实框架的影响，通过借鉴统计 学中随机对照试验和潜在结果的概念，构建了因果推断的新分析框架。潜在结果模型的核心假设是 “没有假设就没有因果”，以下将分别介绍潜在结果模型中涉及到的一些必要概念，以更好地理解 这种分析框架。 潜在结果框架分析中，通常说因果将干预和研究对象联系在一起，干预就是原因，干预所导致 的结果就是效应。鲁宾在文献[10]中提出潜在结果的含义，即：给定一个研究对象和一系列干预， 将每一对“干预-结果”界定为一个潜在结果。在潜在结果模型中，文献[11]将因果效应定义为同一 个研究对象潜在结果之差，研究对象i的因果效应(Individual Causal Effect,ICE)定义为通常认为，哲学和统计学是得益于定量化数据记录对各个学科的普适性，以及统计学以数据为 分析对象的特点，先后提出了三种分析框架，即反事实框架、潜在结果模型和结构因果模型。反事实 框架介绍因果效应的起源，潜在结果模型和结构因果模型是在反事实理论的基础上进一步发展，并 成为了发现因果关系和评价因果效应时理论最成熟、应用最广泛的两种因果推断分析框架。随着实证 研究方法的不断创新发展，对于如何界定因果关系以及推断事物间的因果关系已经有了比较成熟的 理论，以下将详细阐述。 3 反事实框架 在因果关系的研究中，对于因果关系的界定几个世纪以来哲学家们都没有给出一个明确的定义 这主要是因为因果关系中原因和结果的定义在某种程度上都是以彼此为阐述条件，即需要结果来定 义原因，也需要原因来判定结果，使得二者的关系纷繁复杂、扑朔迷离。 在很长一段时间内，哲学中关于因果推理的主要范式是遵循“连续性或相关性的规律”，将因 果推断看成是一个挖掘事物规律的过程。无论是威廉姆·沙迪什(William Shadish)[6] 提出的判定因果 关系的三项原则，还是保罗·拉扎斯菲尔德(Paul Lazarsfeld)[7]提出的因果判定方法，都强调因果关 系中“规律性”的影响；随后，越来越多的学者认识到通过连续性或相关性的规律并不一定能得出 真正的因果关系，使得哲学中开始出现通过反事实框架（Counterfactual Framework）来探究因果关 系的方法。休谟[8]于 18 世纪最早提出基于反事实框架讨论因果关系并给出了反事实的文字化阐述， 大卫·刘易斯(David Lewis)[9]在休谟的研究基础上给出了反事实框架的符号化表达，结合可能世界 语义学和反事实来刻画因果依赖性，并形成了“界定可比较相似性→用相似性来说明反事实→用反 事实来定义反事实依赖性→用反事实依赖性来阐述因果依赖性→用因果依赖性来解释因果性”的逻 辑链条。刘易斯提出的因果依赖命题是对休谟因果关系的正式概括——“若事件 A 没有发生，则事 件 B 也不会发生”，一旦这一反事实命题成立，则可得出“若事件 A 发生，则事件 B 发生”的命 题自然成立。至此，刘易斯完成了从因果依赖性向因果性的跨越，他指出：“如果 A 和 B 是两个现 实事件且满足若 A 不发生则 B 不发生，则可以确定事件 A 是事件 B 的原因”，这一结论给出了因 果关系中对于原因和结果比较明晰的界定方法，为因果关系的理论思考提供了一种明确的道路。 4 潜在结果模型 在因果推断的理论体系中，潜在结果模型（Potential Outcomes Framework）是其中最重要的理 论模型之一。潜在结果模型由哈佛大学知名统计学者唐纳德·鲁宾(Donald B. Rubin)提出，因此该 模型又称鲁宾因果模型。潜在结果模型的核心是对同一个研究对象，比较其接受干预和不接受干预 的效应。对于接受干预的研究对象而言，其不接受干预是一种“反事实”状态，而对于不接受干预 的研究对象而言，其接受干预就是一种“反事实”状态。对于“反事实”框架的概念，鲁宾却并不 认同，他认为对于一个研究对象，其结果出现与否主要取决于分配机制(Assignment Mechanism)， 事实上我们只能看到一种结果，但并不意味着另一种结果不存在，这并不是一个非黑即白的概念， 因此用潜在结果去描述事件是一种更加恰当的方式。 4.1 基本概念 潜在结果模型跳脱出因果推理的正统思想，转而着重哲学中反事实框架的影响，通过借鉴统计 学中随机对照试验和潜在结果的概念，构建了因果推断的新分析框架。潜在结果模型的核心假设是 “没有假设就没有因果”，以下将分别介绍潜在结果模型中涉及到的一些必要概念，以更好地理解 这种分析框架。 潜在结果框架分析中，通常说因果将干预和研究对象联系在一起，干预就是原因，干预所导致 的结果就是效应。鲁宾在文献[10]中提出潜在结果的含义，即：给定一个研究对象和一系列干预， 将每一对“干预-结果”界定为一个潜在结果。在潜在结果模型中，文献[11]将因果效应定义为同一 个研究对象潜在结果之差，研究对象 i 的因果效应（Individual Causal Effect，ICE）定义为 录用稿件，非最终出版稿