[论文笔记] 观测数据上的因果推断

此文只是数据分析上的应用。

目录

一、观测数据因果推断基本知识

1. 混淆结构(confounding)和对撞结构(sample selection)

混淆结构(confounding)

对撞结构(sample selection)

​ 2. 解决办法

3. 观测数据和实验数据的区别

4. 实验的局限性 

5. 挑战观测数据上的因果推断

二、准实验方法

1. DID双重差分-天气资讯分析 

一重差分 

二重差分 

2. 断点回归-小说业务应用

---

一、观测数据因果推断基本知识

1. 混淆结构(confounding)和对撞结构(sample selection)

因果关系是相关关系的一种，因果推断用于学习因果关系。左图中T和Y之间的有向边代表因果关系，此因果关系会让它们在上层显示出一个相关性。我们能不能通过相关性去寻找因果性呢？

答案是否定的。因为除了因果关系，还有两种结构也会让T和Y显示出相关性，比如右侧的混淆结构(confounding)和对撞结构(sample selection)。在这两种结构中，虽然T和Y之间不存在有向边的因果关系，但却会因为混淆因子和对撞因子的存在，导致它们显现出统计相关性，这样就会给我们的因果推断制造一些干扰，这也是因果推断方法存在的必要性。下面，我们依次举例说明混淆结构和对撞结构。

混淆结构(confounding)