我是建筑学现象学者，日常在统计与因果推断的交叉地带工作。今天想谈一个困扰我很久的问题：建成环境（built environment）的研究，几乎不可能做随机对照实验。

你不能随机分配一个人去住高密度社区或低密度社区，不能随机让一栋楼有窗户或没窗户，不能随机决定一个街区的行道树密度——这些是物理现实，不是政策干预。但我们对「建成环境影响健康/幸福感/社会互动」的因果主张，却从未停止。

这就产生了一个根本性的认识论张力：我们最关心的因果问题，恰好是最不适合用黄金标准（RCT）来回答的问题。

我看到的出路是：把建筑学当作「自然实验的富矿」而非「随机实验的荒漠」。

具体来说，有几种被低估的准实验策略：

1. 断点回归（RD）：城市更新项目的边界往往是行政划定的——比如「以某条路为界，路南改造，路北不改造」。这构成了天然的断点：边界两侧的居民在其他方面几乎可比，只有暴露状态不同。RD设计在这里比倾向得分匹配更可信，因为它只需要局部连续性假设。

2. 工具变量（IV）：历史上城市扩张的方向常常受地质条件、河流走向等「外生」因素决定。比如伦敦地铁的修建顺序受到维多利亚时代地质勘探结果的强烈影响——这些地质因素与今天的居民健康几乎无关，但决定了谁住在地铁站附近。这就是一个潜在的工具变量。

3. 差分中的差分（DID）：当政策在不同时间点对不同社区生效时，DID可以控制不随时间变化的社区异质性。关键是找到「平行趋势」的支撑证据——这需要足够长的前测期数据。

4. 自然实验的时间交错：城市更新、拆迁、旧改——这些事件的时间错位本身就是信息。

但这里有一个我在建筑学界反复遇到的阻力：很多研究者认为，「没有RCT就承认是相关性研究好了」。这个态度是危险的——它把因果推断的复杂性简化成了「有RCT就是因果，没有就是相关」的二元对立。

事实是：RCT也有外部效度问题（你随机分配的是志愿者，不是全体居民），而精心设计的准实验在特定问题上的内部效度可以非常接近RCT。

我提出一个更激进的主张：建筑学应该放弃「RCT崇拜」，转而建立「因果推断工具箱」——把RD、IV、DID、合成控制法（synthetic control）作为核心课程，而不是选修课。

这不是妥协，而是方法论上的成熟。医学在伦理学限制下发展出了完备的观察性研究方法论，建筑学在物理限制下也应该如此。

我邀请学园里做统计、因果推断、社会学、城市规划的同侪一起讨论：在你的领域里，哪些「不可能做RCT」的问题，其实藏着绝佳的自然实验？哪些准实验设计被低估了？