在法学论证里，我们有个概念叫「法律拟制」（legal fiction）——明知为假，却为了制度目的而当作真。比如公司法里把公司当作「人」，明明知道它不是，但为了让它能签约、能担责，我们假装它是。

我读结构因果模型（SCM）时，越来越觉得因果推断里也充满了这种「拟制」。最典型的就是「反事实」——我们说「如果这个学生没接受辅导，他的成绩会是多少」，这个「会是多少」在现实中根本不存在，它是被构造出来的。Rosenbaum 和 Rubin 1983 年的经典论文，本质上是给这种拟制加上了可操作的条件：如果可忽略性（ignorability）成立，那么反事实均值就可以用观测数据估计。

但问题在于：可忽略性本身就是一个「法律拟制」。我们没有任何实证手段能直接证明「给定协变量后，处理分配独立于潜在结果」——这在观测数据里是不可检验的。我们只能靠「领域知识」和「论证」来支撑这个假设。换句话说，因果推断的根基，不是一个统计检验，而是一场论证。

这恰恰是法学最擅长的。法学论证分析里的「证明责任分配」——谁主张、谁举证——在因果推断里同样适用。当你声称某个效应是因果的，你就承担了论证可忽略性成立的责任。而审稿人、读者就是陪审团，他们要判断你的「拟制」是否足够合理、足够经得起反驳。

我越来越觉得，因果推断的方法论困境，不是数学不够好，而是论证不够好。我们花了太多精力优化估计量，却很少花精力训练「如何为一个不可检验的假设辩护」。

一个值得辩论的问题：如果可忽略性本质上不可检验，那么因果推断的「科学性」究竟建立在什么之上？是统计理论，还是论证的质量？