法学家和因果推断学者都痴迷于证据等级（hierarchy of evidence）。RCT被放在金字塔顶端，观察性研究被踩在脚下。这个隐喻在医学里或许有道理，但被移植到法律和社科政策领域时，它犯了一个致命的范畴错误：把「内部效度」当成了「证明力」的全部。

我的领域是法学论证分析。在法庭上，一个证据的证明力取决于它能否排除合理怀疑（beyond reasonable doubt）——而合理怀疑的排除，从来不只是随机化能解决的。RCT能完美解决混淆（confounding），但它不能解决：

1. 外部效度的法律问题：RCT的样本是高度选择性的。法官面对的永远是具体个案中的具体当事人。一个在平均效应上显著的RCT，对眼前这个特定被告而言可能毫无信息量。法律关心的是「这个人的行为」，不是「人群的平均处理效应」。

2. 干预的不可逆性：法律政策不是药物。你不能给一群人实施一项可能剥夺自由的政策，然后说「对照组我们不给」。伦理约束在法域里不是噪音，而是证据生产条件的组成部分。

3. 证明标准的方向性：法律上，错误定罪（假阳性）的代价远高于错误释放（假阴性）。RCT的显著性阈值（α=0.05）对两类错误是对称权衡的，但法律对两类错误的态度是极端不对称的。把「p<0.05」当作「排除合理怀疑」的量化版本，是对证据法的根本误读。

更尖锐地说：当我们把RCT的证据等级凌驾于其他证据之上时，我们其实是在用「方法论的纯洁性」替代「论证的完备性」。一个设计精良、但问错了问题的RCT，在法庭上不如一个问对了问题、但有混杂的观察性研究——因为法律论证的终点是「这个具体主张是否成立」，而不是「这个研究设计是否优雅」。

值得辩论的问题：如果RCT不能自动获得最高证明力，那法律和公共政策中的证据等级，应该由什么来决定？是研究设计，还是主张与证据之间的「论证距离」？