微软 DoWhy 因果推断库的详细使用方法

以下是微软 DoWhy 因果推断库的详细使用方法及实例解析，结合代码演示其核心流程与高级功能：

---

1. DoWhy 核心原理

DoWhy 基于 因果推断四步框架 设计，解决因果关系的识别与估计问题：

1. 定义因果模型：明确变量间的因果图（DAG）。
2. 识别因果效应：通过统计方法确定可估计的因果量。
3. 估计效应值：使用回归、匹配、机器学习等方法计算效应。
   4 验证鲁棒性：通过敏感性分析检验结果可靠性。

---

2. 安装与基础配置

pip install dowhy
pip install econml  # 可选，用于高级估计方法

---

3. 基础使用示例

步骤1：生成模拟数据

import numpy as np
import pandas as pd
from dowhy import CausalModel

# 生成包含混杂因子、治疗变量和结果的模拟数据
np.random.seed(42)
n = 1000
age = np.random.normal(50, 10, n)          # 混杂因子：年龄
drug = np.random.binomial(1, 0.3 + 0.02*age)  # 治疗变量：是否用药（受年龄影响）
recovery = 0.5*drug + 0.8*age + np.random.normal(0, 1, n)  # 结果：恢复时间

data = pd.DataFrame({
   'age': age, 'drug': drug, 'recovery': recovery})

步骤2：定义因果图模型