2020.2.3记录今天的收获1

武汉加油

今天天气是阴天，外面感觉白白的，阳光透进来一点，所以白中还掺杂点黄色，这种颜色让人充满希望，就像白色快变苍白，因为黄色而变得有了一些活力。

经过了长达一个月的论文奋战，加上搜资料，终于有一点收获，今天整理一波。
论文：
[1].statistics and causal inference. Paul.W.Holland,1986
[2].The central role of the propensity score in observational studies for causal effects. Paul R.Rosenbaum & Donald B.Rubin,1983
[3].Model-Based Direct Adjustment. Paul R.Rosenbaum,1987
[4].Causally Regularized Learning With Agnostic Data Selection. Zheyan Shen&Peng Cui&Kun Kuang&Bo li&Peixuan Chen. 2018
[5].Treatment Effect Estimation with Data-Driven Variable Decomposition
终于明白了，因果分析，是为了干啥。
首先，定义所有变量：

变量	个数	实体意义	附加
unit	N	每个被操作的个体	可能是一个物体的多个性质，也有可能是同一个性质多个物体
T	操作	对unit进行操作	有T，C两种，其中T就是treatment，C就是control
Y	结果	被操作后得到的结果	常常在论文里，有叫outcome的，有叫response，反正一个意思

而因果分析的主要过程就是控制变量法，例如：

从上图可以看到两个unit:$x_1,x_2$，通过treatment：T，得到两个outcome:$y_1,y_2$。我们本想分析T是否对$x_2$产生作用，然而由于$x_1$的加入，使得由于T得到的$y_1$转而对$x_2$产生的$y_2$产生了影响，那么我们得到T对$x_2$产生作用得到$y_2$的结论是不精确的。
那如何才能精确的得到结果呢？T对于 x 1