Potential Outcome Framework 简化问题的三个假设
Stable Unit Treatment Value Assumption [[稳定单元干预值假设]]#card
-
不同个体的潜在结果之间不会有交互影响
-
干预水平对所有个体一致
-
单元之间相互独立,一个单元受到的干预不会影响另外一个单元的潜在结果。举一个不满足的反例,某苹果手机降价后销量大涨,相关的手机壳等配件销量也随之上涨,苹果手机和手机壳等就不是独立的,类似地可以用GNN建模该关联。
-
干预形式是唯一的,对于同一种干预不存在能产生不同潜在结果的其他版本。举一个不满足的反例,如果将降价视为干预,打5折和打9折对销量的影响显然差异巨大,而应该将不同的折扣建模为多值干预。
[[No unmeasured confounders]] 没有未测量的混杂因子#card
-
可忽略性/非混淆假设(Ignorability / Unconfoundedness Assumption
-
-
给定X,则分配机制与Y无关
-
如果两个个体的x一样,则无论W是什么,其潜在结果一样
-
如果两个个体的×一样,则无论潜在结果是什么,它们的分配机制都一样
-
背景变量包含了所有的混杂因子。如果背景变量仅包含了部分混杂因子,那就无法去除干净伪相关的影响,预测的因果效应就存在高低估问题。不过想要做到这点挺难的,有时候我们都不知道有哪些混杂因子,更别提把它们都包括进来。
相同背景变量的单元无论受到何种干预其潜在结果也相同,并且无论潜在结果如何其受到的干预机制相同。
Positivity [[正值假设]]#card
-
干预是确定的,对于任何背景变量的单元,每一种干预的概率大于0。
-
and
-
common support / overlap