因果推断：断点回归应用于业务数据分析的思路

因果推断是目前学术界和业界都在研究的热门内容。在常用的数据分析方法中，关注的是事件之间的相关性，而无法去识别事件之间的因果性，而很多时候在做决策与判断的时候，我们需要的是因果性。比如，我们想知道A事件的发生是否会导致B事件的出现，这种“导致”实际上是一种因果关系，而不仅仅是相关关系。目前，因果推断应用于业务数据分析的方法有很多，本文主要介绍一下因果推断中的“断点回归”。

断点回归是自然实验中的一种观察方法，简单理解就是在回归过程中，观察在临界点处是否出现“断点”，并分析引起“断点”的政策因素P对回归的因变量Y的具体影响。举个例子，在分析某一平台博主的收益时，发现关注人数超过10万后，会得到一个“V”的标志，现在想知道，有无“V”对平台博主的收益的影响，就可以使用“断点回归”的方法。接刚才的例子，如果我们使用“断点回归”来分析有无“V”对平台博主的收益的影响，我们可以观察关注人数在10万附近（包括接近10万但不到10万，以及超过10万但超过的不多）的平台博主的收益情况，看是否有显著差别。如果存在显著差别，说明“V”标志的有无会对平台博主的收益产生影响（因果性）。

用数理语言来表达“断点回归”的核心思想就是，对于一个回归方程L(y)=f(x)，如果在x=a处引入了一个政策P（这个政策P在实际业务中可以是某个运营活动、某种触发机制、某类奖励等等），使得在x=a的附近邻域（a-e , a+e）内，以x∈(a-e,a)为范围建立的回归方程L1和以x∈(a,a+e)为范围建立的回归方程L2，它们的条件期望是相同的，但截距项不同，则说明政策P在x