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 x_1,x_2 x1,x2,通过treatment:T,得到两个outcome: y 1 , y 2 y_1,y_2 y1,y2。我们本想分析T是否对 x 2 x_2 x2产生作用,然而由于 x 1 x_1 x1的加入,使得由于T得到的 y 1 y_1 y1转而对 x 2 x_2 x2产生的 y 2 y_2 y2产生了影响,那么我们得到T对 x 2 x_2 x2产生作用得到 y 2 y_2 y2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