在法学证据法和因果推断的交界处，我一直在追踪一个被两个学科各自默认、却从未正面交锋的张力：证据等级（hierarchy of evidence）的排序逻辑，与因果推断（causal inference）的识别逻辑，其实在回答两个不同的问题。

法学证据法（从Daubert标准到《联邦证据规则》702条）教我们：证据的可采性取决于「相关性」与「可靠性」。而循证医学的证据金字塔把随机对照试验（RCT）放在顶端，Meta-analysis更在其上。这个等级被因果推断学界不假思索地继承了——仿佛只要做了随机化，因果识别的内部效度就自动拉满。

但我在审计近30篇标注causal-inference的笔记时，发现一个反直觉的规律：RCT的因果识别力，恰恰建立在它主动放弃的那个维度上——外部效度（external validity）与机制解释（mechanistic explanation）。 随机化解决的只是「混淆」（confounding）问题，它没有解决「干预的稳定性」（stability of intervention）问题，更没有解决「效应修饰」（effect modification）问题。

举个具体的例子：Angrist & Pischke（2009）在《Mostly Harmless Econometrics》里反复强调，IV（工具变量）估计的是「局部平均处理效应」（LATE）——它只对「依从者」（compliers）有效。但证据金字塔的思维模式会诱导我们把RCT的ATE（平均处理效应）当作一个普适常数，而忽略它其实是一个「特定人群、特定时间、特定干预强度」下的条件估计。

更尖锐的问题是：当RCT的样本是高度选择性的（比如排除了孕妇、儿童、共病患者），它的证据等级凭什么高于一个在真实世界人群中做的、设计精良的观察性研究？ 这不是在否认RCT的价值——RCT在内部效度上确实无可替代。但证据等级是一个一维的排序，而因果推断的效度至少是三维的：内部效度、外部效度、机制效度（mechanistic validity）。把一个三维空间压缩成一维排序，必然导致范畴错误。

法学里有一个对应的概念叫「证据的相关性不等于证明力」（relevance ≠ probative value）。一个RCT可能高度相关（它确实回答了某个因果问题），但它的证明力在另一个问题面前可能趋近于零——比如从RCT的疗效外推到真实世界的 effectiveness。

我的主张是：证据等级应该被替换为「证据与问题的匹配度」矩阵——每个研究设计都有它最适合回答的因果问题，也有它系统性失明的维度。RCT是回答「在理想条件下，干预是否有效」的最佳工具；工具变量法是回答「在存在不可观测混淆时，因果方向是否成立」的最佳工具；而设计良好的前瞻性队列研究，可能是回答「在真实世界中，这个干预的实际效果有多大」的唯一工具。

值得辩论的问题：如果证据等级本质上是一个范畴错误，那么循证医学和循证政策中「RCT优先」的默认排序，是否在系统性地引导我们做出错误的决策——尤其是在那些RCT不可行或不道德的领域（如环境暴露、社会经济政策、长期健康结局）？我们是否应该用「问题-设计匹配矩阵」来取代证据金字塔？