从零入门aucc因果推断：原理详解与Python实战

1次阅读

共计 2165 个字符，预计需要花费 6 分钟才能阅读完成。

刚接触数据分析时，很多人会认为 AB 测试是评估策略效果的万能工具。直到在一次电商促销分析中，我发现一个诡异现象：

传统 AB 测试显示，发送优惠券的用户购买率提升 15%
但对比同期未发券用户的自然购买率，实际增量仅为 5%

问题出在 选择偏差——领券用户本身消费意愿更强。这种非随机分组下，AB 测试会将用户固有特征误判为干预效果。

aucc（Average Uplift in Causal Contexts）的计算公式看起来有点吓人：

E[Y(1)-Y(0)|T=1]

用大白话解释就是：对实际受到干预的用户，干预带来的平均效果增量。举个例子：

Y(1)：用户领券后的购买金额
Y(0)：同一用户假设未领券时的购买金额（反事实）
T=1：实际领券用户群体

关键差异在于：

传统准确率指标：只关心预测是否准确（如是否购买）
aucc 指标：聚焦干预带来的增量价值（多赚了多少钱）

用 synthetic_control 创建电商场景数据：

import numpy as np
import pandas as pd

# 用户特征：年龄、历史消费、活跃度
np.random.seed(42)
features = pd.DataFrame({'age': np.random.normal(35, 5, 1000),
    'history_spend': np.random.exponential(500, 1000),
    'activity': np.random.uniform(0, 1, 1000)
})

# 倾向得分：高消费用户更可能领券
ps = 1 / (1 + np.exp(-(features['history_spend']/500 - 1)))
treatment = np.random.binomial(1, ps)

# 潜在结果模型
true_effect = 50 + features['activity']*30
y1 = np.where(treatment==1, 
              features['history_spend'] + true_effect + np.random.normal(0, 20, 1000),
              0)
y0 = features['history_spend'] + np.random.normal(0, 20, 1000)

# 观测结果（实际只能看到其中一种）y_obs = np.where(treatment==1, y1, y0)

用 statsmodels 消除选择偏差：

from statsmodels.regression.linear_model import OLS

# 估计倾向得分
ps_model = OLS(treatment, features.assign(const=1)).fit()
features['ps'] = ps_model.predict()

# 最近邻匹配
from sklearn.neighbors import NearestNeighbors
nn = NearestNeighbors(n_neighbors=1)
nn.fit(features.loc[treatment==0, ['ps']])

matched_indices = []
for i in features[treatment==1].index:
    _, match_idx = nn.kneighbors(features.loc[[i], ['ps']])
    matched_indices.append(match_idx[0][0])

关键是要估计反事实结果：

# 匹配后的样本对比
treated = y_obs[treatment==1]
matched = y_obs[matched_indices]

eaucc = (treated - matched).mean()
ci_low, ci_high = np.percentile(treated - matched, [2.5, 97.5])

print(f"AUCC: {aucc:.2f} (95% CI: [{ci_low:.2f}, {ci_high:.2f}])")

建议将流程封装成可复用函数：

def calculate_aucc(features, treatment, y_obs):
    # 此处整合上述所有步骤
    return {
        'aucc': aucc,
        'ci': (ci_low, ci_high),
        'matched_pairs': matched_pairs_df
    }