你原本在办公室上班，后来因为照护家人、通勤困难或居家条件变化，改成在家办公。生产力可能直接受工作地点影响，也可能先经过“与同事协作时间”这个中间环节再变化。公司若想拆开这两条路径，究竟应该问“强制所有人回家办公会怎样”，还是问“哪些背景变化会让员工转为居家办公，随后会怎样”？两种问题看似接近，其实不是一回事。
Jose M. Peña 的论文 Backtracking Direct, Indirect and Total Effects 研究的正是第二种问法。论文没有宣称得到更准确的估计，而是提出另一套效应定义：不直接拨动工作安排或协作时间，而是回头改变造成这些现象的背景条件，再观察结果。这套构造称为 backtracking counterfactuals——回溯反事实。
传统拆法，难在“拼世界”
中介分析要把“处理如何影响结果”拆成两条路。处理可以理解为工作安排，中介变量是协作时间，结果是生产力。直接效应是不经过协作时间的部分；间接效应则经过它。
传统的自然直接效应（natural direct effect，NDE）会提出一个很特别的问题：如果某位员工采用居家办公，但协作时间仍保持为“假如她继续在办公室，本来会有的值”，生产力会怎样？自然间接效应（natural indirect effect，NIE）则反过来固定工作安排，只替换中介变量。
问题在于，这种定义把同一个人的两个互斥情形放进了同一个表达式：工作安排来自一个世界，协作时间却来自另一个世界。这叫跨世界反事实（cross-world counterfactual）。它无法直接观测，识别时通常需要较强假设。论文的出发点不是证明传统定义错误，而是换一种反事实，回答另一类因果问题。
不拨开关，回头改条件
干预反事实像是直接拨动开关：把员工的工作安排设成居家，同时保持其背景条件不变。回溯反事实则保留原有的因果规则，转而寻找另一组背景状态：在怎样的照护责任、通勤条件或居家环境下，这名员工会改为居家办公？
论文用 backtracking conditional distribution——回溯条件分布——描述这些替代背景状态相对于现实状态有多大可能。可以把它理解为一套“背景如何变化”的规则。研究者从中抽取替代状态，再只保留满足指定处理—中介约束的状态，比较替代状态与现实状态下的结果。
关键变化就在这里：传统自然效应直接组合两个潜在结果；新方法让两个世界的联系由回溯条件分布产生。这个分布不是计算时随手选的工具，而是待估效应定义的一部分。换一个分布，问题本身也随之改变。
三种效应分别在问什么
回溯直接效应（backtracking direct effect，BDE）保留这样的替代状态：员工从办公室转为居家办公，但协作时间不变。它衡量的是，背景变化促成员工切换工作安排后，在协作保持原样的那部分人中，平均生产力如何变化。
回溯间接效应（backtracking indirect effect，BIE）保留另一类状态：员工仍在办公室，但协作时间变成其居家办公时本会达到的水平。它关注背景变化经由协作方式传到生产力的情形。
回溯总效应（backtracking total effect，BTE）只要求工作安排发生变化，不再固定协作时间。员工可以随新情境调整协作方式，背景变化也可能直接影响生产力。
这最后一点很重要。回溯时，影响结果的背景扰动也允许变化。因此，BDE、BIE 和 BTE 不必等于对应的 NDE、NIE 和传统总效应。BTE 也不能简单写成 BDE 加 BIE：三者可能针对不同的保留样本。论文把 BTE 分成三条渠道——工作安排变化、协作变化，以及背景变化对结果的直接影响。
一套分布，也是一套政策描述
论文进一步把回溯条件分布解释成政策。补贴家庭办公室、提供弹性托育、调整通勤福利，都可能以不同方式改变员工的处境，也会改变谁愿意切换工作地点以及如何响应。
于是，效应不只描述“居家办公好不好”，而是在问更具体的问题：某项政策下，在那些确实转为居家办公的人中，生产力平均怎样变化？在切换地点但协作方式不变的人中呢？在不切换地点、只改变协作方式的人中呢？
这种依赖政策的性质，按论文的说法是设计特征，而非天然缺陷。不过它也带来比较上的限制：两项政策可能筛出不同数量、不同构成的员工。只比较各自保留人群的平均效应，不能构成完整的政策排名。
从特定人群扩到整个群体
BDE、BIE 和 BTE 从处理处于参考状态的人出发，例如当前在办公室工作的员工。论文还把 population intervention effects——面向现实总体、比较消除某种暴露后变化的效应——改写成回溯版本，包括 BPDE、BPIE 和 BPTE。
区别是，后者把当前所有人都纳入起点，包括已经居家办公的人。它们回答的不是“所有人居家与所有人到岗相比怎样”，而是“从今天这支混合办公的队伍出发，如果背景变化使某种暴露被消除，整体结果怎样变化”。
论文最后提出 backtracking circumstances effect（BCE，回溯情境效应），直接把背景条件变化当作研究对象，并将其影响拆成处理、中介和结果扰动三条渠道。BDE、BIE、BTE 及其总体版本，可以看作这套分解在不同筛选条件下的特例。
为什么值得关注
这项工作的价值不在于给旧指标换名字，而在于把问题的主语换了。传统自然效应更像评估一次外加行动；回溯效应关注人面对处境变化时如何响应。对由通勤、照护或工作条件推动的行为变化，后一种问法可能更贴近决策者真正关心的场景。
同时，它也提醒我们：所谓“直接”和“间接”并非脱离问题而存在的固定数字。你怎样构造替代世界、允许哪些背景条件变化、最后观察哪一群响应者，都会进入效应的含义。
局限与未知
- 论文只处理离散的中介和结果。作者指出，连续中介若要求精确命中目标值，事件概率会为零；可行扩展是设置容差，但论文没有在此展开完整方案。
- 论文给出数值示例，说明回溯效应可能不同于干预效应，也会随回溯条件分布改变；但供稿未提供实证数据集、估计方法或量化性能证据，不能据此声称它更准确或更稳健。
- 所有核心论断均来自这一篇论文，尚无独立信源交叉验证。识别条件以及如何从现实数据估计这些效应，也未在所供材料中披露。