316
个编辑
更改
跳到导航
跳到搜索
第21行：
第21行： + +
无编辑摘要
'''从分析潜在结果出发，也诞生了<font color="#ff8000">潜在结果框架，有时也称为[[鲁宾因果框架]]</font>Rubin Causal Model (RCM)''' ，[[Neyman-Rubin 因果模型]]<ref name="sekhon">{{cite book |last=Sekhon |first=Jasjeet |chapter=The Neyman–Rubin Model of Causal Inference and Estimation via Matching Methods |title=The Oxford Handbook of Political Methodology |year=2007 |chapter-url=http://sekhon.berkeley.edu/papers/SekhonOxfordHandbook.pdf }}</ref>。它是一种基于潜在结果框架的因果统计分析方法，以[[Donald Rubin]]的名字命名。“鲁宾因果模型”这个名字最早是由 Paul W. Holland 创造的。 <ref name="holland:causal86">{{cite journal |last=Holland |first=Paul W. |title=Statistics and Causal Inference |journal=Journal of the American Statistical Association |volume=81 |issue=396 |year=1986 |pages=945–960 |jstor=2289064 |doi=10.1080/01621459.1986.10478354}}</ref> '''<font color="#ff8000"> 潜在结果框架 Potential Outcomes Framework</font>'''最初是由 Jerzy Neyman 在他 1923 年的硕士论文中提出的，<ref name="neyman:masters">Neyman, Jerzy. ''Sur les applications de la theorie des probabilites aux experiences agricoles: Essai des principes.'' Master's Thesis (1923). Excerpts reprinted in English, Statistical Science, Vol. 5, pp. 463–472. (Dorota Dabrowska, and T. P. Speed, Translators.)</ref>尽管他只在完全随机实验的背景下讨论了它。 <ref name="Jasa1">{{cite journal |last=Rubin |first=Donald |year=2005 |title=Causal Inference Using Potential Outcomes |journal=Journal of the American Statistical Association|volume=100 |issue=469 |pages=322–331 |doi=10.1198/016214504000001880 }}</ref>[[Donald Rubin]]将其扩展为在观察性和实验性研究中思考因果关系的一般框架。<ref name="sekhon" />
'''从分析潜在结果出发，也诞生了<font color="#ff8000">潜在结果框架，有时也称为[[鲁宾因果框架]]</font>Rubin Causal Model (RCM)''' ，[[Neyman-Rubin 因果模型]]<ref name="sekhon">{{cite book |last=Sekhon |first=Jasjeet |chapter=The Neyman–Rubin Model of Causal Inference and Estimation via Matching Methods |title=The Oxford Handbook of Political Methodology |year=2007 |chapter-url=http://sekhon.berkeley.edu/papers/SekhonOxfordHandbook.pdf }}</ref>。它是一种基于潜在结果框架的因果统计分析方法，以[[Donald Rubin]]的名字命名。“鲁宾因果模型”这个名字最早是由 Paul W. Holland 创造的。 <ref name="holland:causal86">{{cite journal |last=Holland |first=Paul W. |title=Statistics and Causal Inference |journal=Journal of the American Statistical Association |volume=81 |issue=396 |year=1986 |pages=945–960 |jstor=2289064 |doi=10.1080/01621459.1986.10478354}}</ref> '''<font color="#ff8000"> 潜在结果框架 Potential Outcomes Framework</font>'''最初是由 Jerzy Neyman 在他 1923 年的硕士论文中提出的，<ref name="neyman:masters">Neyman, Jerzy. ''Sur les applications de la theorie des probabilites aux experiences agricoles: Essai des principes.'' Master's Thesis (1923). Excerpts reprinted in English, Statistical Science, Vol. 5, pp. 463–472. (Dorota Dabrowska, and T. P. Speed, Translators.)</ref>尽管他只在完全随机实验的背景下讨论了它。 <ref name="Jasa1">{{cite journal |last=Rubin |first=Donald |year=2005 |title=Causal Inference Using Potential Outcomes |journal=Journal of the American Statistical Association|volume=100 |issue=469 |pages=322–331 |doi=10.1198/016214504000001880 }}</ref>[[Donald Rubin]]将其扩展为在观察性和实验性研究中思考因果关系的一般框架。<ref name="sekhon" />
潜在结果框架中有着这三个基本假设，首先，没有干预则没有因果关系，上文提到潜在结果是指给定一个单元和一系列动作，我们把一个“动作-单元”确定为一个潜在结果。若是没有干预措施对目标变量的作用，我们则无法获得对应干预前后的潜在结果，则我们就无法计算出二者的因果效应，其次，为了简化我们的计算方式，我们必须假设研究样本之间每个个体的处理效应都是稳定的，因此有了SUTVA假设，保障了每个处理对应的潜在结果都是稳定的，保证了因果效应的可解释性，最后是分配机制的假设，假设每个实验对象分配到不同的处理组的概率都是大于0小于1的，这样我们可以对所有的对象进行平均因果效应的推断，而不是只局限与某一类别人群。
== 思想介绍 ==
== 思想介绍 ==