因果推断实战：深入解析倾向分匹配(PSM)与因果森林的核心原理与应用场景

1次阅读

没有评论

共计 1734 个字符，预计需要花费 5 分钟才能阅读完成。

在理想情况下，我们通过随机对照试验 (如 AB 测试) 来评估干预效果，因为随机化能保证处理组和对照组的协变量分布平衡。但现实中很多场景无法进行随机实验，例如：

医学研究中无法随机分配患者接受高风险手术
经济政策实施后需要评估历史数据影响
营销活动无法对同一用户同时展示不同策略

这时候就需要因果推断方法从观察性数据中估计因果效应。今天重点讨论两种主流方法：适用于低维数据的倾向分匹配 (PSM) 和擅长高维非线性的因果森林。

PSM 的核心思想是：通过建模处理分配概率来模拟随机实验。具体分为三个阶段：

倾向分估计
使用逻辑回归建模处理分配概率：
$$\hat{e}(X_i) = P(T_i=1|X_i) = \frac{1}{1+exp(-X_i\beta)}$$
其中 $X_i$ 是协变量向量，$T_i$ 是处理指示变量
匹配阶段
最近邻匹配：为每个处理组样本寻找倾向分最接近的对照组样本
卡钳匹配(Caliper)：设置最大允许差异 $\delta$，通常取倾向分标准差的 0.2 倍
核匹配：使用核函数加权多个对照组样本
平衡性检验
匹配后需检查标准化均值差异(SMD)：
$$SMD = \frac{\bar{X}{treat} – \bar{X}$$
所有协变量的 SMD 应 <0.1}}{\sqrt{(s_{treat}^2 + s_{control}^2)/2}

因果森林建立在广义随机森林框架上，通过以下机制解决异质性处理效应估计：

分裂准则
最大化处理组间的效应差异：
$$\Delta(\tau) = \frac{1}{N_{left}} \sum_{i \in left} (\tau_i – \bar{\tau}{left})^2 + \frac{1}{N)^2$$}} \sum_{i \in right} (\tau_i – \bar{\tau}_{right
局部估计
在叶子节点内求解局部方程：
$$\hat{\tau}(x) = argmin_{\tau} \sum_{i=1}^n \alpha_i(x)[(Y_i – m(X_i)) – \tau(W_i – e(X_i))]^2$$
其中 $m(X_i)$ 是结果模型，$e(X_i)$ 是倾向模型

from causalinference import CausalModel

# 加载数据集
causal = CausalModel(Y=df['income'].values,  # 结果变量
    D=df['college'].values, # 处理变量(是否上大学)
    X=df[['age','gender','parent_edu']].values # 协变量
)

# 估计倾向分
causal.est_propensity()

# 最近邻匹配
causal.est_via_matching(matches=1, bias_adj=True)

# 输出 ATE 估计
print(causal.estimates)

from econml.grf import CausalForest

# 初始化模型
cf = CausalForest(
    n_estimators=2000,
    honest=True,  # 启用诚实树
    max_depth=20
)

# 训练模型
cf.fit(
    X=user_features,
    T=discount_amounts,
    y=conversion_rates
)

# 预测个体处理效应
ite = cf.predict(user_features)