因果处理模型

“因果处理”特质支持您使用观测到的数据估计因果效应。因果问题最直接的解答方式是分析从随机对照试验收集的实验数据。然而，由于伦理问题或实际限制，研究人员通常无法随机分配观测以接受特定干预。

“因果处理”特质通过利用描述处理 (X) 机制和结果 (Y) 机制的模型所提供的洞察信息，来估计平均处理效应，从而减轻混杂偏倚。这些模型支持您回答以下问题：

• X 是否导致 Y？

• 更改 X 将如何影响 Y？

• 若没有任何观测接受处理 (X = 0)，或所有观测都接受 (X = 1)，那么 Y 期望值会是多少？

“因果处理”特质可用于分析二值型或连续处理对二值型或连续结果的影响。该特质还提供可视化视图来帮助评估因果假设。

图 14.1 用于评估正性假设的倾向得分密度图

Propensity Score Density Plot for Evaluating the Positivity Assumption

目录