可组合因果：时间序列因果发现与干预效应基准工具

时间序列因果发现和干预效应估计的研究长期依赖合成数据，但真实世界很少带有验证过的因果结构。现有工具要么是发布后无法修改的固定数据集，要么是脚本生成器，每个脚本固定一种机制、混杂和缺失的组合。两者都不支持在保持其他属性不变的情况下，只改变单一属性（如稀疏性、噪声分布或缺失机制）的受控实验。反事实评估也存在同样的缺口，因为现有模拟器多为每篇论文单独构建、机制硬编码，或仅生成观测数据。

据DTCD（Datasets and Toolkit for Causal Discovery）项目介绍，该库旨在解决上述问题。它是一个数据生成库，能产出带有真实同期和滞后邻接矩阵的多元时间序列。其核心设计是将拓扑、机制、噪声、观测掩码和干预策略作为独立组件，仅通过配置进行组合。这意味着研究者可以系统地改变一个维度，同时控制其余维度，从而开展真正的受控实验。

从固定数据集到可组合生成

传统方法中，研究者若想测试算法对缺失值的鲁棒性，往往需要找到恰好包含缺失值的数据集，或者手动修改生成脚本。这种做法不仅难以复现，还容易引入意外变量。DTCD的组件化思路让每个属性成为可插拔的模块：通过配置文件选择拓扑类型、因果机制、噪声分布、缺失机制和干预策略，其余部分保持不变。

这种设计直接支持消融实验。例如，在评估因果发现算法时，可以固定机制和噪声，只改变稀疏性，观察算法性能如何随图结构复杂度变化。同样，在干预效应估计中，可以固定数据生成过程，只改变干预策略，从而分离出估计器对干预设计的敏感性。

反事实孪生（counterfactual twin） 是因果推断中用于个体干预效应评估的一种构造：对同一个体，分别生成“事实”轨迹（未干预）和“反事实”轨迹（施加干预），两者除干预外其他条件完全相同。DTCD通过缓存事实 rollout 的随机数实现并在干预 rollout 中重注入，使两条轨迹共享同一随机噪声，从而让差异纯粹归因于干预。这种方式在数值上精确恢复个体干预效应，避免了独立生成轨迹时随机噪声差异淹没干预信号的问题。

配对反事实与数值精度

反事实评估是因果推断的核心，但合成数据通常只提供观测轨迹。DTCD通过缓存事实 rollout 中的随机实现，并在干预 rollout 中重新注入该实现，生成配对的反事实孪生数据。论文称，这种方法能够以数值精度恢复个体干预效应。对于需要评估个体层面干预效应估计器的研究，这提供了一种可重复的基准手段。

配对设计的意义在于消除随机性带来的混淆。在传统模拟中，事实与反事实轨迹若独立生成，随机噪声差异会淹没干预信号。通过缓存和重注入，两次 rollout 共享同一随机种子实现，差异仅来自干预本身，从而让个体干预效应的计算变得精确。

观测掩码（observation mask） 是时间序列数据生成中用于标记每个时间点、每个变量是否被观测到的布尔结构。它使得缺失机制（如完全随机缺失、随机缺失、非随机缺失）可以独立于数据生成过程进行配置。DTCD将观测掩码作为独立组件，允许研究者在保持拓扑、机制和噪声不变的情况下，仅改变缺失模式，从而系统评估缺失值对因果发现和干预效应估计的影响。

基准测试揭示聚合指标掩盖的失败模式

DTCD附带了一个参考基准，涵盖八种发现算法在八十一种配置上的表现，以及四种干预效应估计器在十八种配置上的表现。基准结果暴露了聚合指标容易隐藏的失败模式。

其中一个发现是，标准发现方法无法处理缺失值，无论缺失机制是否具有信息性。这意味着在真实世界数据中常见的缺失场景下，这些算法的可靠性存疑。另一个发现涉及边际方差捷径（varsortability）：某些算法可能利用变量的边际方差排序来推断因果方向，而非真正学习因果结构。DTCD通过标准化测量并移除了这一捷径，使基准更能反映算法对因果结构的真实识别能力。

这些失败模式在单一聚合分数中往往被平均掉，但对于实际应用而言，它们可能决定方法是否可用。DTCD的配置化基准让研究者能够定位算法在特定条件下的薄弱环节。

varsortability（边际方差可排序性） 指数据中变量的边际方差排序恰好与因果顺序一致的现象。某些因果发现算法可能利用这一统计捷径来推断方向，而非真正学习因果结构。在真实数据中，方差排序与因果顺序未必一致，因此依赖该捷径的算法在分布外可能失效。DTCD通过标准化测量并移除这一捷径，使基准更能反映算法对因果结构的真实识别能力。

对因果研究实践的影响

DTCD的价值在于将数据生成从“一次性脚本”转变为“可配置实验平台”。研究者可以设计因子实验，系统性地探索算法在不同数据属性下的行为，而不是依赖少数固定数据集。这对于时间序列因果发现领域尤为重要，因为真实数据缺乏 ground truth，合成数据是主要的评估途径。

项目代码和数据已在GitHub开源（hferdous/Composable_Causality）。对于从事因果发现、干预效应估计或时间序列分析的研究者，该工具提供了一种更可控的基准构建方式。其组件化设计也降低了复现和扩展的门槛，有助于推动更严谨的实证比较。

不过，工具本身仍依赖合成数据的假设。配置的机制和噪声分布是否覆盖真实场景的复杂性，需要使用者根据具体问题判断。基准结果揭示的失败模式应被视为警示，而非对算法能力的最终裁定。