种族和民族是实验中无法“控制”的变量，因为研究人员不可能分配或改变研究参与者的这一特征。$^\dagger$ 出于这个原因，与种族和民族有关的因果推断通常不能依赖于随机对照试验，而必须依靠非对照的观察性研究。与任何其他主题的其他非对照研究一样，这伴随着所有常规缺点和对结果因果解释的警告，包括可能遗漏影响分析的“潜伏变量”的可能性。作为一般原则，来自非对照研究的因果推断是不可靠的，并且仅在所讨论的预测变量被证明具有以广泛的协变量为条件的统计关系的情况下才合理，并且倾向于在以下情况下保持其预测能力协变量的变化本身不是中间原因。

社会科学中的许多研究都将种族/民族作为协变量，目标是过滤掉这些变量以找到其他一些因果关系或统计关系。可能有一些研究将种族/民族作为预测因子直接感兴趣，在这种情况下，研究人员需要小心区分预测效应和因果效应，就像在任何不受控制的观察研究中一样。在社会科学研究中将种族/民族作为变量当然没有科学问题；如果有问题，则与结果的解释有关。VanderWeele and Robinson (2014)对种族变量的因果解释进行了很好的讨论。

在大多数情况下，所有这些只是将一般统计原理应用于一组特定变量的问题。然而，在关于种族和民族的因果推断方面特别出现的一个问题是关于任何因果关系是直接（即遗传/遗传）还是间接（即由于歧视）的相互竞争的理论。经济学家托马斯·索威尔（Thomas Sowell）在一系列讨论种族群体之间统计差异的书籍中详细讨论了这个问题（参见特别是，Sowell 1975 , Sowell 2013 , Sowell 2018）。Sowell 指出，从历史上看，在 19 世纪和 20 世纪初，有一种过度倾向于将所有种族差异归咎于遗传原因，而自 20 世纪后期以来，现在有一种过度倾向于将所有种族差异归咎于歧视。这两者都构成了未能正确应用与因果关系相关的统计推理，并且两者都倾向于由于相关性和原因的混淆而发生。无论如何，如果你还没有读过这些作品，它们可能会让你更好地理解从种族和族裔群体之间的统计差异进行因果推断时出现的困难。

如果没有看到与您有关的推理的特定示例，很难回答您的具体问题。社会科学研究人员“使用种族进行因果推理”的情况多种多样，其有效性取决于数据的性质和由此产生的推理。（从这个问题的框架中甚至不清楚种族是感兴趣的预测因素还是仅仅是协变量。）

$^\dagger$请注意，有一些随机实验，其中种族的出现是通过一些实验机制来控制的。例如，许多关于就业中种族歧视的研究使用随机“对应测试”，研究人员在提交的工作申请中控制（并随机化）种族和民族的标记（参见例如，Zschirnt 和 Ruedin 2015）。

在因果推理方面，种族并没有什么特别之处。你可以寻找它的效果，就像寻找季节的效果一样。

社会科学中许多因果模型的困难在于中介分析：你想知道 A 何时直接导致 B，而不是通过 C （本所说的直接与间接是什么意思）。例如，在因果模型 Gender、Hiring、Education 中，您想知道 Gender 是否直接影响 Hiring，但您承认 Gender 可能会影响 Education 并且我们都希望 Education 影响 Hiring。你不能简单地控制教育而不打开后门。这种模式无处不在。

有一些方法可以解决这些问题，但正如 Ben 的回答中提到的，这些都是实验性的变化。例如，虽然你不能在不打开更多后门的情况下控制教育，但你可以通过让女性使用男性的简历来冻结它。

种族可以是一个原因的想法并非没有争议。

在 1986 年 JASA 的一篇文章中，保罗·霍兰德讨论了他和唐·鲁宾是如何创造“没有操纵就没有因果关系”的表达方式。

这里的想法是，因果推理需要对原因进行严格定义，以识别假设可以实施的干预——即使这种操作在物理上是不可能的或在伦理上是不可行的。

那么，什么是可以改变某人种族的假设干预措施？也许是基因操纵？但是没有“种族”基因可以像数字比特一样被翻转。很难想象有某种方法可以改变所有有助于定义种族表型的基因，同时保持所有其他表型不变。也许相反，整容程序可以使白人通过黑色或反之亦然？

这两种推理方式都导致人们思考种族是如何由其他人如何看待一个人来定义的。那么研究人员正在寻找的是“种族”吗？也许是种族歧视？还是一个自称种族身份的人？

如果您与下面引用的因果推理书的作者 Miguel A. Hernán 和 James M. Robins 交谈，他们会告诉您种族不是一个有效的原因，只有更深入地思考人们在谈论种族时的实际意思一个原因将导致更好的推论。

另一方面，包括 Judea Pearl 在内的一些人对立场有异议。

这是 Hernan 的引述（来自 Twitter）：

珀尔认为，任何我们能说出的因果关系都必须存在。在他看来，“A对死亡的因果效应”的含义是不言而喻的。他说我们可以量化，比如说，种族的因果效应或肥胖的因果效应。我不认为我们可以。

我们无法估计“肥胖的因果效应”，因为我们不知道这意味着什么。为了明确定义 A 的因果效应，我们需要对用于改变 A 的干预措施达成共识。否则，影响是不确定的。

如果你现在认为这只是关于天使性别的另一场学术辩论，请再想一想：你对这个问题的信念决定了你对科学极限以及如何进行数据分析的信念。

珍珠在这里解决了这个问题。

Hernán MA, Robins JM (2018)。因果推理。博卡拉顿：查普曼和霍尔/CRC，即将出版。”