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
|
运维 atlas Android开发
atlas 项目介绍 | 学习笔记
简介:快速学习 atlas 项目介绍
1182 0
atlas 项目介绍 | 学习笔记
|
Java
什么是java回调函数
什么是java回调函数
786 1
什么是java回调函数
|
人工智能 算法 自动驾驶
人工智能适合什么人学
本文探讨了适合学习人工智能(AI)的人群,涵盖技术爱好者、数学与逻辑能力出众者、跨学科背景人才、持续学习者及实践驱动者五大类。文章指出,AI领域需要热情与探索精神,同时依赖扎实的数学基础和逻辑思维。跨学科融合与实践经验也是掌握AI技术的关键。全球领先教育机构培生推出的生成式AI认证项目,为职场人士和学生提供了紧跟技术前沿的机会。最终强调,无论背景如何,保持开放心态与学习热情是进入AI领域的核心要素,共同迎接智能化未来。
|
Java API 开发工具
API参考手册
【10月更文挑战第18天】API参考手册
678 2
|
存储 传感器 数据采集
大数据
大数据是指数据量庞大(Volume)、增长迅速(Velocity)、类型多样(Variety)、价值密度低(Value)但潜力巨大的数据集。其来源包括互联网、物联网及企业内部数据。处理技术涵盖采集、预处理、存储、分析与可视化。应用领域涉及商业智能、金融、医疗、交通及公共服务等,助力决策优化与创新。
1199 8
|
缓存 监控 Java
"Java垃圾回收太耗时?阿里HBase GC优化秘籍大公开,让你的应用性能飙升90%!"
【8月更文挑战第17天】阿里巴巴在HBase实践中成功将Java垃圾回收(GC)时间降低90%。通过选用G1垃圾回收器、精细调整JVM参数(如设置堆大小、目标停顿时间等)、优化代码减少内存分配(如使用对象池和缓存),并利用监控工具分析GC行为,有效缓解了高并发大数据场景下的性能瓶颈,极大提升了系统运行效率。
649 4
|
机器学习/深度学习 存储 自然语言处理
使用深度学习模型进行情感分析!!!
本文介绍了如何使用深度学习模型进行中文情感分析。首先导入了必要的库,包括`transformers`、`pandas`、`jieba`和`re`。然后定义了一个`SentimentAnalysis`类,用于处理数据、加载真实标签和评估模型准确性。在主函数中,使用预训练的情感分析模型对处理后的数据进行预测,并计算模型的准确性。
545 0
|
机器学习/深度学习 人工智能 自然语言处理
prompt 原理
【8月更文挑战第5】
580 4
|
Python
python编写一个坦克大战
【7月更文挑战第6天】
796 6