因果分析

Causality Problems(相关不一定是因果)：

• 伪关系：Y和X只是恰巧同时发生，实际上没有明显的逻辑上的关联，如巧克力销量和诺奖得主数量
• 遗漏变量偏差：存在既影响X也影响Y的混淆变量，如年龄混淆了年收入和罹患癌症几率之间的关系
• 幸存者偏差：部分样本没有被收集到
• 反向因果
• 联立性偏差

因果分析的核心：

• identification：将因果关系从关联中分割
• estimation：计算因果关系的大小
• inference：基于统计的推断（有多大的信心结果是正确的Hypothesis testing，结果会存在多大的波动Confidence interval）
• 流派：
  • Potential Outcome Model：个体i的因果效应，因为真实世界不存在平行宇宙，(个体受到效用后的结果)或(个体未收到效用后的结果)只有一个可以被观测到，所以需要构造合适的对照组来模拟这种情况，即counterfactual
  • Graph Causal Model：

因果分析的工具：

• A/B testing:
• Matching：
  • CEM
  • PSM
• Fixed Effect
• Difference-in-differences：
  • 是一种特殊的固定效应模型，模型简单，基本不需要算法拟合
  • 核心假设：Parallel Trend 
  • 指标差异拆分为trend和treatment带来的差异两部分，通过平行趋势检验，利用对照组政策前后的波动差异来量化trend，从而剥离出treatment带来的独立影响（类似于“AB差异-AA差异=真实策略差异”的思想）
• Synthetic Control:
  • 对实验组在实验日期之后构造一个虚拟的对照组
  • 由于该方法对内生性控制方面的扩展不足, 比较适合外生事件的分析。内生事件的分析推荐用PSM
  • 不适用于微观数据分析，原因有：不存在十年以上的微观数据 （比如说追踪调查）；该方法不适用于参照组无限大的情况 （比如说统计了上千家庭的微观截面数据 ）；即适合小样本量长时间跨度（matching+DID适合大样本量短时间跨度）
  • 适用于“试点项目“
• Matrix Completion

例子：一项新活动上线，评估该活动对用户价值的影响：

• 对比活动前后的用户价值：没有剥离前后两个时段的市场要素的差异；
• 对比参与活动的用户与未参与活动的用户：参与活动的用户大概率本事是忠实用户（选择偏差）；
• AB实验：一组可以看到活动，一组看不到活动，对比两组用户：可以进一步筛选出可以看到活动的用户中参与了该活动的用户，此外如果参与该活动的渗透率低，可以考虑在看不到活动的组中做matching

 

Reference

因果分析的理论和应用