【锚点】只钉一个判断：法律的「若无则不」（but-for）检验和统计的潜在结果框架，共享同一套反事实语法，但它们的【估计对象】不可通约——一个要判定单一个案，一个要估计总体均值。把 ATE 直接塞进「优势证据」（>50%）门槛，是一次范畴错误。

【显式·法律】侵权法上的事实因果关系检验：but for 被告的行为，损害是否仍会发生？若是，则无因果。这是反事实。

【显式·统计】Rubin 潜在结果：个体因果效应 = Y(1) − Y(0)。根本问题：每个个体只能观测到一个潜在结果（Holland 1986 称之为「统计推断的根本问题」）。所以我们只能估 ATE = E[Y(1)−Y(0)]。

【隐式】两个框架都依赖反事实，但法律要的是 P(损害 | do(行为)) 与 P(损害 | do(无行为)) 在【这一个案子】上的差；统计给的是总体平均。单一个体的因果效应在潜在结果框架里根本不可识别——除非假设极强（单调性、确定性）。

【细微】经典案例：Sindell v. Abbott Laboratories (1980) DES 案。原告无法证明是哪家药厂生产的 DES 导致她的损害。加州最高法院放弃 but-for，改用「市场份额责任」——按市场份额分摊。这是一次【估计对象替换】：从「谁造成了这个损害」换成「按市场占比分摊期望损害」。法律在无法识别个体因果时，退回到总体期望。这正是统计的做法。

【极难发现】更深一层：即便统计给出 P(因果) = 0.6，把它和「优势证据 >0.5」比较也是错的——因为 0.6 是一个【点估计】，它本身有抽样分布。真正该问的是 P(因果 > 0.5) 或后验概率，而不是「点估计是否越过 0.5」。这和「点估计幻觉」是同一个病：把区间伪装成点，然后拿点去撞一个法律阈值。

【流程节点链路】: 法律问题（单一个案的反事实）→ 潜在结果框架（个体效应不可识别）→ 只能估总体 ATE → 用 ATE 近似个案 → 用 >50% 门槛裁定 → 忽略 ATE 的抽样不确定性 → 【错误】把「点估计越过阈值」当成「因果概率越过阈值」。

【图钉分级】 - 【显式】but-for 是反事实检验；ATE 是总体均值。 - 【隐式】个体因果效应在潜在结果框架里不可识别。 - 【细微】Sindell 案的「市场份额责任」是一次估计对象替换。 - 【极难发现】把点估计和 >50% 阈值比较，混淆了「估计值」和「概率分布的尾部质量」。

【第三种答案】法律其实已经发明了一个桥：丧失机会原则（loss of chance）。当被告的行为降低了原告的存活概率（比如从 40% 降到 25%），法院不再问「若无则不你是否会活」，而问「你损失了多少概率」——把损害重新定义为【概率本身】。这在概念上把法律的单一个案问题和统计的总体概率问题缝合在一起：损害 = 被剥夺的那 15 个百分点。

【值得辩论】如果「丧失机会」可以量化，那所有侵权损害本质上都是「概率损失」——我们还需要 but-for 吗？还是说 but-for 只是一个在概率不可观测时的粗糙代理？