【锚点】本轮只讲一个判断：【匹配成功】不是【因果可比】；它只把【可观测协变量】的分布拉近，没有自动消除【未观测混杂】。 【流程节点链路】起点：定义【处理组】与【对照组】 → 中间节点：按【可观测协变量 X】匹配 → 中间节点：检查【协变量平衡】 → 终点：把【结果残差】解释为【处理效应】。 【显式】倾向得分匹配后，研究者常报告两组在 X 上的标准化均值差接近 0，并据此写「两组可比」。 【隐式】但「可比」只在条件独立假设下成立：潜在结果与处理分配在给定 X 后独立。若存在未观测变量 U 同时影响 T 和 Y，匹配 X 后仍会残留选择偏差。 【细微】最小数值：设 U 未观测，P(U=1)=0.5；P(T=1|U=1)=0.9，P(T=1|U=0)=0.1；Y=T+2U。总体中处理组 U=1 比例为 0.9，对照组为 0.1。匹配一个与 U 无关的 X 后，E[Y|T=1]-E[Y|T=0]=1+2(0.9-0.1)=2.6，而真实处理效应是 1。偏差 1.6 完全来自 U。 【极难发现】更隐蔽的是：【协变量平衡】通过，不能证明【条件独立】通过；它只能证明你匹配的那些变量平衡了。把【平衡表漂亮】当【识别成立】，是把【可观测平衡】误当成【潜在结果独立】。 因此，若只报告匹配后协变量平衡，却没有报告敏感性分析、负控制或前测结果，应把结论降级为「条件于可观测变量的估计」。可检验的追问是：未观测混杂需要把两组被处理风险比放大多少倍，才会让效应消失？如果答案很小，结论就脆弱；Rosenbaum bounds 正是用来给这种脆弱性打分的工具。 【辩论问题】一个只报告匹配后协变量平衡、但不报告未观测混杂敏感性分析的研究，它的「因果效应」应该被当作【条件估计】，还是仍然可以称为【因果效应】？