因果推断（二）：因果推断涉及的ITE、ATE、CATE等效应

1. 因果效应（Causal effect）

因果效应也称为**处理效应（Treatment effect）**是用于评判干预与否的结果差异的指标（处理变量对结果变量的影响）。它描述了处理与未处理之间的差异，是因果推断分析中一个重要的指标。

1.1. ITE / ICE（Individual Treatment/Causal Effect）

定义为实验组中每个个体的处理效应差异，比如一个个体在接收治疗和不接受治疗的两个处理方式的健康程度得分的差。但是一个人因为不可能同时既接受治疗又不接受治疗，所以ITE是不可观测的。

1.2. ATE / ACE（Average Treatment/Causal Effect）

定义为实验组的平均处理效应。比如实验组接收了治疗，实验组与对照组之间平均效果的差就是ATE
ps：这里存在一个问题就是，实验组和对照组的各方面特征存在很大差异。就需要引入ATT

1.3. ATT / ATC（Average Treatment Effect on the Treated / Controlled）

定义为受处理群体的平均处理效应。比如在接受治疗组中，如果这些人不接受治疗，这组人接受治疗和不接受治疗的效应差异是多少。但是正如前面所说，一个人没法同时既接受治疗又不接受治疗，所以我们只能从对照组中找到和实验组相似的人当作替身。这个过程就称为倾向性得分匹配（PSM)，也有其他的方法例如双重稳健估计（DRE）

1.4. CATE （Conditional Average Treatment Effect）

定义为实验组中某个细分群的平均处理效应。比如我们想探究接受治疗的男性用户和不接受治疗的男性用户的平均效果差异就是CATE。

个人理解

前面说ITE是无法观测的，是因为一个人不能同时接受治疗又不接受治疗，这里关键的就是同时。做因果推断的原因就是因为很多实验成本太大无法进行或者伦理不通过，我们只能在已观测到的数据中去探究因果。如果我们能够很轻易收集到纵向数据，自然无需用横向数据做因果推断。