本文介绍了分层方法作为调整混杂因素的一种代表策略，用于因果推理。通过将数据分层为同质亚组，可以减少由治疗组和对照组间的差异引起的偏见。在每个亚组内，治疗效果的估计更准确。文章讨论了等频分层、基于倾向得分的分层以及针对后处理变量的分层，并解释了如何通过潜在值构造子组以获得真实的治疗效果。
这一节介绍基于三个假设的因果推理方法中的第二部分：分层方法。
分层，也称为子分类或封闭，是一种调整混杂因素的代表性方法。分层的想法是通过将整个组分为同质亚组（块）来调整由治疗组和对照组之间的差异引起的偏见。
理想情况下，在每个亚组中，治疗组和对照组在某些变量上对协变量是相似的，因此，可以将同一亚组中的单位视为从随机对照试验中的数据中取样。基于每个子组的同质性，可以通过根据RCTs数据开发的方法来计算每个子组（即CATE）内的治疗效果。
在获得每个子组的CATE之后，可以通过组合属于该组的子组的CATE来获得对感兴趣组的治疗效果。
下面，我们以ATE的计算为例。详细来说，如果我们将整个数据集分为J个块，则ATE的估算值如下：
其中
最低0.47元/天 解锁文章
558
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
