你在费城买汽水，发现城里加了税，于是坐车去城外囤几箱。对你来说，这只是省钱；对评估政策的研究者来说，却是一个麻烦：城外原本是用来比较的“对照组”，如今也被城内政策改变了。
这正是因果推断走出论文后会遇到的现实。因果推断（causal inference）不只问两个现象是否同时发生，而是追问：“如果没有这项政策，结果会怎样？”问题在于，同一座城市不可能同时征税又不征税。这个看不见的另一种结果叫反事实（counterfactual），研究者只能用数据设法补出对照。
Nandita Mitra 在题为《Death and Taxes: Taking Causal Inference into the Real World》的网络研讨会中，准备从两个项目谈这种落差：一宗涉及陪审团遴选种族差异的死刑案件，以及费城甜味饮料税评估。活动摘要由讲者提供，经 Andrew 在 Gelman 博客转述；案件与税收细节则来自编辑部整理的法院、ACLU、JAMA、宾夕法尼亚大学等资料。
法庭要的不是一条公式
“Death”对应北卡罗来纳州死刑犯 Hasson Bacote 的案件。据北卡罗来纳州高等法院和 ACLU，州议会在 2009 年通过《Racial Justice Act》，允许死刑犯使用包括统计资料在内的证据，证明种族因素显著影响死刑判决。法律后来被废除，但州最高法院裁定，废法前已经提出的申诉可以继续。
Mitra 以统计与因果推断专家身份分析陪审员筛选数据。法院援引的证据显示，检方在当地检察区排除合格黑人候选陪审员的比例，是其他族裔的 1.83 倍；在承办检察官 Gregory Butler 经手且纳入研究的案件中，这一比例达到 3.48 倍。
数字显眼，却不会自动变成法律论证。研究者还要处理混杂因素（confounder）——同时影响行为与结果的第三个因素。比如，某种候选人特征可能既与检方的排除决定相关，也与种族分布相关。如果不把这些因素分开，就可能把原有差异直接解释成因果效果。
活动摘要还提到媒介效应，以及个体层面与群体层面效应。不过现有材料没有展开 Mitra 如何定义、计算或向法庭呈现这些概念。可以确认的是，她需要把统计推理翻译成法官和律师能够检验的论证，而不是只交出一个估计量——也就是从样本计算未知效果的一套规则。
Bacote 的死刑已由州长 Roy Cooper 于 2024 年 12 月 31 日减为不得假释的终身监禁。2025 年 2 月 7 日，法官另行裁定，其案件的陪审员筛选和死刑裁量受到种族因素显著影响。因此，后一个裁定并非当时才改变刑罚。
城市边界也会“污染”对照组
“Taxes”来自费城 2017 年开征的甜味饮料税，税率为每盎司 1.5 美分。据 JAMA 和宾夕法尼亚大学资料，研究团队起初观察到，城内连锁店的饮料销量下降约 51%。但邻近、未征税邮区的销量增加了约 3.08 亿盎司，抵消城内降幅约四分之一。把跨境购买算进去后，净降幅变为 38%。
这里出现了 interference，中文可理解为研究对象之间的相互影响。传统分析常把每个对象当成彼此独立：费城征税，只改变费城；城外没有征税，便可以安心充当对照。但消费者会开车或坐公交跨过边界。政策于是沿着道路和商圈“漏”出去，连对照组也不再置身事外。
这种风险在征税前已经露头。据 Oxford Academic 刊载的零售商访谈，有商户预测，居民可能去城外购买饮料，甚至有人从郊区整批进货，再回城沿街售卖。后来的销售数据确实显示边界外购买增加。现实没有遵守研究设计的整齐边界，反而迫使 Mitra 团队正面处理相互影响，并发展相关方法。
真正的问题常在计算之前
这两个案例共同指向一个朴素判断：因果推断落地，不只是挑对公式。
研究者首先要找到真正重要的问题。法庭关心的不是模型是否漂亮，而是统计差异能否支持具体法律判断；政策制定者关心的也不只是城内销量，而是税收是否改变了整体购买行为。问题一旦定义得太窄，计算越精确，答案也可能离决策越远。
接着是理解制度和场景。陪审团遴选受法律程序约束，饮料购买则会穿过行政边界。最后还要沟通证据边界：同一套统计推理，要分别向同行、法官、律师和政策人员说明。活动摘要因此把合作、沟通和走出学术边界，与方法开发放在同等重要的位置。
局限与未知
- 关于研讨会时间，供稿只写“周二中午”，没有明确日期和时区，本文不据此提供报名时间。
- 现有摘要没有披露案件研究样本、模型设定和具体估计过程，也没有给出饮料税方法的名称或推导细节。
- “发展方法以更好支持政策决策”是讲者对工作的概括，不能据此断言这些方法已经改善了实际政策结果。