12
个编辑
更改
无编辑摘要
对于相同的处理分配条件，每个潜在结果(PO)中只有一个是实际发生可观测的，而另一个不会发生也无法观测，所以当我们尝试估计处理效应时，需要用可观测值(或估计值)来替代无法观测的反事实结果。
对于相同的处理分配条件，每个潜在结果(PO)中只有一个是实际发生可观测的，而另一个不会发生也无法观测，所以当我们尝试估计处理效应时，需要用可观测值(或估计值)来替代无法观测的反事实结果。当可忽略性/外生性成立时，例如个体是否接受处理是随机的，此时可利用已观测的 Y<sub>1</sub><sup>1</sup>'替换'*''Y''<sub>0</sub><sup>1</sup>，利用已观测的 Y<sub>0</sub><sup>0</sup>'替换'*''Y''<sub>1</sub><sup>0</sup>，不是个人层面的Y<sub>i</sub>，而是从平均角度出发，如 E[''Y''<sub>''i''</sub><sup>1</sup> – ''Y''<sub>''i''</sub><sup>0 </sup>]，这正是人们试图计算的因果处理效应（TE）。
==参考文献 ==
==参考文献 ==
*{{cite paper |arxiv=1109.2143 |title=Bayesian Inference for Causal Effects: The Role of Randomization |first=Rubin|last=Donald |journal= The Annals of Statistics |year=1978 |volume=6 (1) |pages=34–58|doi=10.1214/aos/1176344064}}
Rubin, Donald (1978). "Bayesian Inference for Causal Effects: The Role of Randomization". The Annals of Statistics. 6 (1): 34–58. doi:10.1214/aos/1176344064.
Rubin, Donald B.; Rosenbaum, Paul R. (1983). "The Central Role of the Propensity Score in Observational Studies for Causal Effects". Biometrika. 70 (1): 41–55. doi:10.2307/2335942. JSTOR 2335942.
Yamamoto, Teppei (2012). "Understanding the Past: Statistical Analysis of Causal Attribution". Journal of Political Science. 56 (1): 237–256. doi:10.1111/j.1540-5907.2011.00539.x. hdl:1721.1/85887.
Pearl, Judea (2010). "On the consistency rule in causal inference: axiom, definition, assumption, or theorem?". Epidemiology. 21 (6): 872–875. doi:10.1097/EDE.0b013e3181f5d3fd. PMID 20864888.
Imai, Kosuke (2006). "Misunderstandings between experimentalists and observationalists about causal inference". Journal of the Royal Statistical Society, Series A (Statistics in Society). 171 (2): 481–502. doi:10.1111/j.1467-985X.2007.00527.x.
== 推荐阅读 ==
== 推荐阅读 ==