因果推論工作坊（Causal Inference Workshop）會議紀實
許良亦（政研二）
長期以來，因果推論（Causal Inference）都是社會科學家最希望釐清的重要課題之一。事實上，即便是有著清楚實證觀察的自然科學研究，在因果推論上也仍存在爭論（例如導致肺癌的原因並非吸菸這個行為本身，而是菸草中含有的化學物質），存在許多不可以肉眼觀察的社會科學界則更是如此。
對此，本工作坊的主講人Wendy K. Tam Cho博士（以下簡稱Wendy Cho博士）透過一系列的討論，帶領我們在因果推論上有更深入的理解。Wendy Cho博士目前任職於伊利諾大學厄巴納-香檳分校（University of Illinois at Urbana-Champaign），擁有政治學、統計學及法學碩博士學位，並同時任教於政治、統計、數學、電腦科學（Computer Science）等學系。光看以上資歷便能知道，Wendy Cho博士學問之廣，而這些學問則都與因果推論有著密不可分的依存關係，在我們此次工作坊的主題上，Wendy Cho博士確實是這個領域中最優秀的學者之一。
本次工作坊課程共分三週，每週循序漸進地從因果推論的宏觀認識開始，逐步深入探討。由於因果推論本就屬於統計與社會科學方法中較進階的課題，因此本工作坊事前要求參與者必須先修習過機率統計與線性模型等相關課程，並且在每次課程前先閱讀完指定文獻。對於初學社會科學方法者而言，這些文獻稍嫌艱澀難懂，尤其面對大量數學模型更讓人暈頭轉向。然而若能勇敢面對這些數學推導，令自己徜徉在一種「似懂非懂」的狀態，那麼在課程中的討論倒不會真的如指定閱讀那般艱深，反而能在與講者的對話中慢慢釐清觀念。
第一週的課程從因果推論的大原則討論起。學過一點社會科學統計的人就會知道，有相關並不代表有因果。最基礎的教材大多都會提到因果關係成立的三要件：1.經常聯結（constant conjunction）—因與果總是伴隨發生；2.時序先後（temporal sequence）—果總在因之後發生；3.非虛假關係（non-spurious relation）—不存在另一因素同時造成因果先後發生。然而這些基礎原則都是建立在研究者已經能清楚判定因果之觀察標的的情況下。在社會科學界中，我們並不總能觀察到我們想觀察到的因果現象，往往只能透過僅有的觀察值來推論假設的因果聯結。例如在疫情之後的大選，我們並不能直接知道某候選人的當選是否是因為疫情導致。此時如何透過現有的觀察值推導出效應背後的潛在因果關係便是更進階的課題。本工作坊以潛在因果關係的觀念為開端，走向實務上的研習。
釐清了認識論上的觀點後，第二週的課程開始向實務上的方法探討。最能釐清因果推論的方法是如自然科學實驗一般的實驗法（experiments），然如前所述，現實社會生活中，我們只有非常有限的觀察值，不僅無法完全控制實驗的各種內外條件，甚至連實驗的執行都可能有問題。因此使用如傾向分數配對（propensity score matching）等統計方法是實驗方法應用上的解方之一。這些統計模型的討論可說是三週工作坊中難度最高的，卻都是當前學界較為人所知且有用的方法。先能對這些模型有初淺的認識，對於未來研究的應用仍有相當大的幫助。
在認識完幾個統計上的方法後，最後一週的課程來到對因果推論研究限制的討論。在如此複雜多變的人類社會與政治現象中，是否真有符合定義的因果關係存在？更明確地問，因果推論在社會科學中是否真有意義？不可否認，當我們仔細觀察各種政治或社會現象時，會發現幾乎所有因果關係都將面臨「內生性」（endogeneity）的挑戰，意即自變項與依變項之間互為因果。例如現代化理論主張財富增長是造成民主化的原因，然而真正的情況可能正好相反，是因為民主體制下的市場自由才導致人民財富增加。像這樣的內生性問題在社會科學上可說層出不窮，但這就代表因果推論沒有用處嗎？工作坊的最後一堂課，講者帶領著我們認識了因果推論的限制，以及提供我們應該如何看待這些挑戰的觀點。
總結而言，因果推論工作坊提供我們在因果推論這個學界的大課題上相互交流意見的場域。因果推論當然有其限制與未竟之處，然透過學術工作者之間的往來論證，加上一流學者的引領，我們仍然在此獲得了許多研究能量的挹注，並得以繼續往更頂尖的學術成就邁進。
