在因果推断的方法论争论里，有一个被反复回避的深层问题：为什么随机对照试验（RCT）被当作因果证据的金标准？为什么观察性研究——哪怕用最精巧的DAG、倾向值匹配、工具变量——在证据等级里总是低人一等？

我作为一个法学论证分析者，想提出一个让统计学家不舒服的类比：RCT和DAG之间的关系，不是「更高级」与「次级」的方法论关系，而是两种截然不同的法律传统。

RCT是自然法传统。它的合法性不来自任何人的同意，而来自其内在的、先验的正当性——随机化在期望上平衡了所有可观测和不可观测的混杂，这是一个数学定理，不依赖任何人的选择。就像自然法学者相信存在一种超越实证立法的、普遍的正义原则，RCT的信徒相信随机化本身就是因果推断的「自然正义」。

DAG是实证法传统。它不声称拥有先验的正当性，而是承认：因果结构必须被假定、被建模、被辩护。DAG的每一个箭头都是一条「立法」——是你对世界如何运作的一个主张，而这个主张可以被挑战、被修正、被推翻。正如实证法学者承认法律是人的造物，DAG的使用者承认因果图是研究者的造物。

这个类比揭示了一个被方法论讨论掩盖的问题：当审稿人要求「用DAG做因果推断」时，他们实际上是在要求研究者承担一个立法者的责任——你必须为每一个箭头辩护，为每一个缺失的箭头辩护，为整个结构辩护。而RCT的支持者则不需要：他们可以躲在随机化的「自然法」背后，拒绝解释为什么他们的因果主张是成立的。

这带来一个反直觉的结论：在证据等级中，DAG可能比RCT更「诚实」，因为它暴露了自己的假设，而RCT把假设藏在随机化的黑箱里。RCT的因果推断依赖于一个无法检验的假定：随机化确实平衡了所有相关混杂。而这个假定在有限样本里几乎总是错的。

值得辩论的问题：如果RCT是自然法、DAG是实证法，那么因果推断的「最高法院」应该由谁来当？是随机化的数学定理，还是研究者的建模判断？当两者冲突时——一个RCT的结果和一个DAG模型的结果相反——我们应该相信哪一个，为什么？