你想判断一项控烟政策有没有效果，于是比较各州多年数据：政策前走势相近，政策后加州的香烟消费下降。看起来很有说服力。但也可能有一项没记录的健康行动，既伴随政策出现，又压低了吸烟量。真正的问题不是“会不会存在隐藏因素”，而是：它要强到什么程度，才能推翻结论？
Makoto Nakakita 与 Takahiro Hoshino 的这篇 arXiv 预印本，试图给常用的面板因果估计器配上同一把“抗干扰标尺”。面板数据——在多个时间点反复观察同一批地区、企业或个人——便于比较干预前后的变化，却不会自动排除同时变化的隐藏因素。论文把这种未观测混杂的威胁，换算成可以跨方法比较的数值。以下方法、模拟与案例结果均来自这一篇预印本，尚无外部复现。
不只给答案，还要给出“推翻价码”
论文覆盖四类估计器，包括 synthetic difference-in-differences（SDID，合成双重差分）、matrix completion（矩阵补全）、fixed-effect imputation（固定效应插补），以及 group-time average treatment effects（分组—时间平均处理效应）。
前两种尤其常见。SDID 会给未处理地区和政策前时期分配权重，再比较前后差异。矩阵补全则寻找数据里的共同低维模式，用它补出“如果没有政策，本来会怎样”的反事实。它们都在回答同一个无法直接观察的问题，但内部结构不同，过去很难用同一尺度谈脆弱性。
作者借助 Riesz representation（Riesz 表示）把不同估计器转换成一种共同的影响权重：结果中的每个观测，对最终政策效应究竟有多大作用。随后，遗漏变量偏误被拆成两面。一面是隐藏因素还能解释多少结果差异；另一面是它能解释多少这组影响权重的差异。
论文用 partial 表示这两种力量。它指一个因素在控制已有变量后，还能额外解释多少差异。再由此计算 robustness value（稳健性值）：假设隐藏因素在两面同样强，它至少需要达到多大的 partial ，才能把估计值推到零，或改变显著性判断。说白了，这个数不是证明“没有混杂”，而是给混杂标价。
两条路线，第二条有门槛
框架把报告分为 Route A 和 Route B。
Route A 是默认路线。研究者直接为两面的混杂强度设定概率分布，展示结论在不同假设下如何变化。这里的概率是对敏感性参数所作假设的概率，不是数据已经证明某个因果效应成立的概率。
Route B 更进一步：它拿已观测协变量当参照，推测未观测因素可能有多强。例如，可以比较收入、年龄结构等已记录因素分别能解释多少结果和影响权重差异。但论文强调，这种校准不能自动成立。基准变量数量要足够；它们必须与估计器的 Riesz 权重处在匹配的观察层级；变量间的依赖不能制造虚假的信息量；辅助模型要通过检查；参照分布还得有理由覆盖潜在隐藏因素。
只要这些诊断不可信，Route B 就应降级为探索性压力测试，Route A 继续担任主结果。这个“允许降级”的设计很关键：已观测变量很弱，并不意味着未知变量也一定弱。
论文的模拟也说明了这道门为什么必要。在一个基准变量存在相关性的实验里，名义上有 40 个变量；当共同相关程度升至 0.75，有效数量只剩 1.32。忽略依赖时，覆盖率从 0.974 降至 0.785；按有效数量修正后，覆盖率维持在 0.970 至 0.974。另一个“隐藏因素强于参照分布”的模拟中，诊断仍几乎总是放行，但覆盖率只有 0.805。换句话说，统计检查不能替代对“参照是否足够悲观”的实质判断。
加州案例显示了什么？
论文把框架用于加州控烟政策面板。SDID 给出的估计是人均香烟消费减少 15.60 包。作者采用有限供体 placebo inference——轮流把未处理州当作假想处理对象，观察加州结果在这组安慰剂结果中的位置——修正后的标准误为 9.49，add-one 值为 0.051。
这个 值紧贴常用的 0.05 门槛，不能简单归为“有效”或“无效”。论文也因此认为，保持传统显著性所需的稳健性值已接近零，更值得解读的是“把点估计推到零”需要多强的混杂。
在先把 SDID 权重固定不动时，Route A 的归零稳健性值为 0.054。也就是说，在论文设定的等强度尺度下，一个隐藏因素若能分别额外解释约 5.4% 的结果残差和 Riesz 权重差异，就足以把点估计推到零。
问题在于，SDID 的权重本身也是从结果面板中估出来的。扰动数据后，权重可能跟着变化。作者因此重新拟合权重做有限差分审计，稳健性值降到 0.045，相对下降约 16.7%。它仍处于较低的个位数区间，但不能据此说权重重估无关紧要。更准确的说法是：方向未变，结论比固定权重诊断显示的略脆弱。
这个案例还暴露了 Route B 的现实难题。论文使用七个州级协变量作参照，但 SDID 的 Riesz 权重集中在具体的“州—年份”单元。把它聚合到州级后，协变量在权重一侧的 partial 几乎都落在数值下限。参照变量与目标不对齐，因此作者把 Route B 降级，只保留 Route A 作为主要报告。
为什么值得关注
这项工作的价值，不是又发明一个“更稳健”的估计器，而是把几种不同估计器放到同一种决策语言里。研究者可以同时报告效应、抽样不确定性，以及隐藏因素推翻结论所需的最低强度。读者也能区分两件常被混在一起的事：数据算出的政策效应有多大，以及这个结论对无法观测的因素有多敏感。
它还迫使研究者说明诊断究竟覆盖哪一层。论文明确指出，SDID 的基准诊断是固定权重下的拟合对比；矩阵补全使用的是处理单元目标层面的诊断；其他方法也可能依赖已经拟合好的第一阶段。这些都不是对完整正则化训练流程求出的全套敏感度导数。
局限与未知
- 这套界限针对可用两面 partial 概括的加性或投影混杂。潜在因子失衡、干预外溢、处理时间设错等问题，仍需要设计层面的论证，或先投影到该框架能够描述的混杂类别。
- Route B 的可信度依赖基准数量、层级匹配、依赖修正、模型检查和“参照足够强”的判断。论文自己的模拟显示，诊断放行不等于支配条件真实成立。
- 论文还把框架用于县级最低工资的多批次、错峰实施面板，但供稿未给出该应用的效果数字；现阶段不能据此判断它在第二个真实案例中的表现。