AIPW因果推断实战：解决观测数据中的偏差问题

1次阅读

共计 1779 个字符，预计需要花费 5 分钟才能阅读完成。

最近参与了一个医疗项目评估降压药效果，发现一个棘手问题：服药组平均血压降幅比对照组高 15mmHg，但进一步分析发现服药组基线血压本就更高。这就是典型的 选择偏差 ——患者是否服药并非随机分配，而是医生基于病情判断决定的。更麻烦的是，我们无法观测到所有影响治疗决策的因素（如患者饮食作息），这些 未观测混杂因子 会导致传统回归分析严重高估药效。

方法	原理	适用场景	局限性
PSM	通过倾向得分匹配相似样本	混杂变量可观测且维度低	对倾向得分模型敏感，未观测混杂仍存在偏差
IV	利用工具变量模拟随机实验	存在有效工具变量时	工具变量难获取，估计方差大
AIPW	结合倾向得分与结果模型的双重稳健估计	高维特征、部分模型误设仍有效	计算复杂度较高

AIPW 同时估计倾向得分 $\pi(X)$ 和结果模型 $\mu(X)$，其 ATE 估计量公式为：

$$\hat{\tau}{AIPW} = \frac{1}{n}\sum^n\left[
\frac{T_i(Y_i – \hat{\mu}_1(X_i))}{\hat{\pi}(X_i)} + \hat{\mu}_1(X_i)\right] –
\left[\frac{(1-T_i)(Y_i – \hat{\mu}_0(X_i))}{1-\hat{\pi}(X_i)} + \hat{\mu}_0(X_i)\right]$$

关键优势：只要 $\pi(X)$ 或 $\mu(X)$ 中任一个估计正确，结果就是无偏的。

from causalml.inference.meta import AIPW
from sklearn.ensemble import GradientBoostingClassifier, GradientBoostingRegressor

# 数据准备（假设 X 含年龄、病史等特征，T 是治疗指示变量，Y 是血压变化）X, T, Y = load_medical_data() 

# 步骤 1：初始化两个模型
# 倾向得分模型（分类问题）ps_model = GradientBoostingClassifier(min_samples_leaf=20)
# 结果模型（回归问题）outcome_model = GradientBoostingRegressor(min_samples_leaf=20)

# 步骤 2：创建 AIPW 估计器
aipw = AIPW(
    propensity_score_model=ps_model,
    outcome_model=outcome_model,
    trim_threshold=0.05  # 修剪极端倾向得分
)

# 步骤 3：拟合模型并估计 ATE
aipw.fit(X, T, Y)
ate = aipw.estimate_ate()
print(f"ATE 估计值: {ate[0]:.2f}, 标准差: {ate[1]:.2f}")

# 步骤 4：可视化倾向得分分布
aipw.plot_propensity_scores()