查看第 4 节，比较 PO 和 DAG/SCM 方法：

Imbens, Guido W. 2020。“因果关系的潜在结果和有向无环图方法：经济学实证实践的相关性”。经济文献杂志, 58 (4): 1129-79 https://doi.org/10.1257/jel.20191597 （未封闭草案）

珀尔的回应可以在珀尔, J. On Imbens 对两种实证经济学方法的比较中找到。（2020 年）。学术博客。理论与实践中的因果分析。发表于 2020 年 1 月 29 日。

我们有一个关于潜在结果、图形模型和结构计量经济学的统一理论。它基于结构因果模型的理论。

查看：

• 好与坏控制速成课程的附录。

• 论珀尔的层次结构和因果推理的基础

• 珍珠，J. (2000)。因果关系：模型、推理和推理。剑桥大学出版社，第 7 章。

• Pearl, J. 和 Mackenzie, D. (2018)。《为什么之书：因果的新科学》（第 1 版）。基础书籍，第 8 章。

这些答案也可能有所帮助：

我应该知道哪些因果关系理论？

线性回归中的线性假设仅仅是$\epsilon$?

上述参考文献涉及因果关系的反事实和结构理论的统一数学框架。

当然，在实践中，每个“学校”可能有不同的习俗和文化差异。例如，某些识别策略在经济学中比流行病学更流行，或者在计量经济学本身内部存在“简化形式”和“结构”计量经济学之间的文化划分等。

至于 Pearl 对 Imbens 文章的回答，它只是说明不存在“DAG 方法”之类的东西。正式的数学框架是一个结构因果模型。DAG 只是部分指定结构模型的工具之一，即施加某些类型的排除和独立限制。您可以根据需要施加尽可能多的假设，单调性并没有什么特别之处。例如，看看Pearl 和我是如何在这里定义单调性的。这就是为什么在“DAG 方法”与“PO 方法”中询问如何表示单调性是没有意义的。也许一个更好的问题是：我们如何以图形方式正式表示单调性约束（或其他形状约束），以便我们可以利用这些约束从算法上推导出新的识别结果？这是正在进行的研究课题。

PS：不言而喻，我认为因本斯是一位伟大的学者，它也启发了我自己的很多工作！以上只是对这一点的评论。