因果推断:处理效应的几个重要名词_by_邱嘉平《因果推断实用计量方法》

🎶 因果推断的基础——处理效应的几个重要且易混淆的名词。
🧰 知识点:潜在结果、个体处理效应、平均处理效应、观测结果、反事实结果

  • 潜在结果:Y_i(1)Y_i(0)
    • 个体 i 接受了某个处理行为D_i(treatment)的结果为Y_i(1)
    • 个体 i 没有接受这个处理行为D_i(treatment)的结果为Y_i(0)
    • 潜在结果是个体i本身都具备的结果,只不过可能未必都显现出来,如果显现不出来,我们就无法观测到
  • 个体处理效应(treatment effect)
    • D_i对个体i的处理效应=\gamma_i=Y_i(1)-Y_i(0)
    • 这里的处理效应\gamma_i 即处理行为D_iY_i的因果效应(casual effect)
  • 平均处理效应
    • 处理行为的处理效应因个体而异,即个体处理效应存在异质性,因此我们需要通过平均处理效应来衡量处理效应
    • 对于不同的群体,可以定义不同的平均处理效应
      • ATT(Average Treatment Effect on the Treated)
        • ATT=\mathbb E[Y_i(1)-Y_i(0)\mid D_i=1]=\mathbb E[Y_i(1)\mid D_i=1]-\mathbb E[Y_i(0)\mid D_i=1]
      • ATU(Average Treatment Effect on the Untreated)
        • ATT=\mathbb E[Y_i(1)-Y_i(0)\mid D_i=0]=\mathbb E[Y_i(1)\mid D_i=0]-\mathbb E[Y_i(0)\mid D_i=0]
      • ATE(Average Treatment Effect)
        • ATT=\mathbb E[Y_i(1)-Y_i(0)]=\mathbb E[Y_i(1)]-\mathbb E[Y_i(0)]
    • ATE是ATT和ATU的加权平均
      • 权重是接受处理个体数和未接收处理个体数分别占总体数的比例。用w代表接受处理的个体占总体数的比例,用1-w代表未接受处理个体站总体数的比例
      • ATE=w \times ATT + (1-w) \times ATU
  • 观测结果(observed outcome):Y_i
    • 因果推断的根本难点(fundamental problem of causal inference):无法同时观测到个体i的两种潜在结果
    • 定义:个体根据它的接受处理状态而显现出来的对应的潜在结果
    • 观测结果Y_i可以表示为潜在结果和处理状态的函数
      • Y_i=Y_i(0)+[Y_i(1)-Y_i(0)]\times D_i
  • 反事实结果
    • 潜在结果所对应的未观测到的潜在结果称为反事实结果(counterfactual outcome)
    • 如何估计反事实结果,是估计处理效应的关键
    • 由于反事实结果是观测不到的,我们只能依靠观测数据去估计,因此需要数据满足某种假设条件,不需要假设条件的因果推断是不存在的
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容