因果推断综述-基础知识2

 

 这一节是文章中第二部分基础知识。这一节公式较多，会影响阅读时效。

2.3假设

为了估计治疗效果，在因果推断文献中通常使用以下假设。

假设2.1  稳定的unit治疗价值假设（SUTVA）

    任何unit的潜在结果都不会随分配给其他unit的治疗方法而变化，并且对于每个unit，每种治疗水平都没有不同的形式或版本，从而导致不同的潜在结果。

    该假设强调两点：

•      第一点是每个unit的独立性，即unit之间没有交互作用。在上面的示例中，一个患者的结果不会影响其他患者的结果。

•        第二点是每种处理的单一版本。在上面的示例中，在SUTVA假设下，具有不同剂量的药物A是不同的治疗方法。

   

  ---

   

   

假设2.2  忽略性

     给定背景变量X，治疗分配W与潜在结果无关，即在说明性示例的背景下，这种可忽略性假设有两个方面：

      首先，如果两个患者的背景变量X相同，则无论治疗分配如何，其潜在结局均应相同，即p（Yi（0），Yi （1）| X= x，W = Wi）= p（Yj（0），Yj（1）| X = x，W = Wj）。

     类似地，如果两个患者具有相同的背景变量值，则无论他们具有潜在结果的值如何，其治疗分配机制都应相同，即p（W | X = x，Yi（0），Yi（1））= p （W | X ＝ x，Yj（0），Yj（1））。 

    可忽略性假设也称为无混杂假设。有了这个毫无疑问的假设，对于具有相同背景变量X的unit，可以将它们的处理分配视为随机的。

---

假设2.3 积极性 

   对于任何X值，处理分配都不是确定的：

     如果对于某些X值，则处理分配是确定性的；否则， 对于这些值，就永远不会观察到至少一种治疗的结果。在