一个基本的因果建模任务是在观察到的协变量X存在的情况下，预测干预(或治疗)D= d对结果Y的影响。我们可以通过边缘化条件平均值E(Y|X,D)除以P(X)的估计\gamma(X,D)来获得平均治疗效果。更复杂的因果关系问题需要考虑条件预期。例如，被治疗对象的平均治疗(ATT)解决了一个反事实:对接受治疗的亚群体进行干预的结果是什么?在这种情况下，我们必须在条件分布P(X\d)上边缘化\gamma，这对连续多变量d来说是一个挑战。许多附加的因果问题要求我们在条件分布上边缘化，包括条件ATE、中介分析、动态治疗效果，以及使用代理变量对未观察到的混杂因素进行校正。

论文链接：https://www.gatsby.ucl.ac.uk/~gretton/papers/florida22.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除