因果效应预估

树模型

• 改造传统树模型的分裂规则，每次分裂最大化干预组与对照组之间的差异 $D_{\text {gain }}=D_{\text {after split }}\left(Y_C, Y_T\right)-D_{\text {before split }}\left(Y_C, Y_T\right)$，使得因果效应近似的样本尽可能落在同一个节点，从而可以实现直接预测样本的干预效应。

• Casual Tree

• Casual Forest

因果元学习 [[Meta-Learner]]

• Double/debiased Machine Learning Method

  • [[倾向性模型]] Propensity Model：预测干预变量

  • [[响应模型]]：预测目标变量，构造时不适用干预变量

[[Doubly Robust]] 同时使用干预变量与控制变量