带你读《2022技术人的百宝黑皮书》——倾向得分匹配（PSM）的原理以及应用(6) https://developer.aliyun.com/article/1247861?groupCode=taobaotech
其他值得一提的点
ATT与ATE的区别
1. ATE：average treatment effect
2. ATT：average treatment effect on the treated
可以认为ATE是人群整体的干预增量效果，而ATT是实际被干预人群的干预增量效果。通常我们通过PSM+DID计算的是ATT，因为ATE还会涉及人群的干预率。更详细的解释可以参考stackexchange上的这个回答：
https://stats.stackexchange.com/questions/308397/why-is-average-treatment-effect-different from-average-treatment-effect-on-the-t
Bias与Variance
在匹配算法的步骤，我们有提到bias与varianc：
1. Bias 偏差：期望预测与真实结果之间的偏离程度，刻画算法本身的拟合能力
2. Variance 方差：同样大小训练集的变动所导致的学习性能变化，刻画数据扰动所造成的影响
可以认为bias代表算法本身的拟合能力而variance代表算法的稳定性，在匹配的不同方法中它们也存在trade-offs：
敏感性测试 Sensitivity Analysis
在前置知识介绍的部分有提到，做PSM需要满足两个假设——条件独立和共支撑。
对于第一个条件，其含义便是我们需要观测到所有同时影响到treatment和outcome的特征，否则估算的ATT会存在偏差。对于common support，我们实际上计算的是倾向得分重叠区域的ATT，其实际上也可能是有偏的。在这种情况下，我们需要去进行sensitivity analysis。换句话说，我们计算得到的增量结果其实是不稳健的，我们可以通过纳入不确定性的来估算一个ATT的区间，使之稳定性得到提升。
带你读《2022技术人的百宝黑皮书》——倾向得分匹配（PSM）的原理以及应用(8) https://developer.aliyun.com/article/1247859?groupCode=taobaotech
