带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(6)

简介: 带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(6)

带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(5) https://developer.aliyun.com/article/1247903?groupCode=taobaotech



工具变量的第四个条件


同质性


本小节中工具变量的三个条件1-3不足以保证工具变量的效应估计,就是治疗 A 对 Y 的因果效应。除此之外,我们需要第四个条件:(4)效应的同质性。本小节,我们将讨论 (4)的不同形式以及它在学术历史中的发展变化。


1.完全同质:最极端也是最古老的同质性被表述为:治疗 A 对结局 Y 的效应对每个人来说都是相等且不变的。 例如,如果戒烟让每个人都增加同样的体重(比如 2.4kg),那么就符合完全同质,因果效应就是2.4kg这一常数,然而这在现实中几乎是不可能的。在戒烟的例子中,戒烟会让有的人增重许多、让有的人增重一 点、甚至让有的人体重变轻。


2.加法尺度上的同质性:在1)不够实际的情况下,同质性后来被放宽为第二种形式,对二分变量 Z ,治疗组或非治疗组中 A 对 Y 的效应在 Z 的每一个分层中相等,即如下公式,不过这是加法尺度上的同质性,即。


image.png


3.在未测混杂因素中A对Y 的因果效应同质:A对Y 的因果效应在未测混杂U 的每一分层中都相等,如下公式,然而这个假设依然是不可验证的,且不太可信,因为未测混杂很可能就是效应修饰因子。比如戒烟对增重的影响很可能就因吸烟频率的不同而不同,同时吸烟频率自身也是一个混杂因素,即。


4.另一种形式的同质性,在加法尺度上Z-A的相关性,在未测混杂因素U 的不同分层中不变



带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(7) https://developer.aliyun.com/article/1247901?groupCode=taobaotech

相关文章
|
机器学习/深度学习 人工智能 分布式计算
因果推断:效应估计的常用方法及工具变量讨论
日常工作中很多的策略/产品的效果是无法设计完美的随机实验的,要求我们从观察性数据中去(拟合随机试验)发现因果关系、测算因果效应。
1857 0
因果推断:效应估计的常用方法及工具变量讨论
|
机器学习/深度学习 分布式计算 C++
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(3)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(3)
198 1
|
SQL 算法 搜索推荐
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(1)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(1)
142 1
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(4)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(4)
100 1
|
人工智能 分布式计算 算法
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(11)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(11)
133 0
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(8)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(8)
111 0
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(2)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(2)
117 0
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(9)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(9)
100 0
|
知识图谱
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(5)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(5)
139 0
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(7)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(7)