因果推論

不能做實驗的時候(你總不能隨機指派誰去吸菸),怎麼從觀察資料問出「因果」?這就是因果推論(Causal Inference)的戰場。

核心觀念

因果推論的核心是反事實思維:同一群人「若沒接受處理會怎樣」。最大敵人是混雜因子(Confounder)— 同時影響「處理」與「結果」的第三變數,讓相關假冒因果。目標是估出因果效果:ATE(平均處理效應)看全體平均,ATT(受處理者的平均處理效應)只看實際接受處理的那群人。

白話理解

銀行想知道「理財 App 推播是否提升申購」。會點開推播的客戶本來就比較積極,積極度就是混雜因子 — 直接比較兩群人,會把「人的差異」誤算成「推播的效果」。

四把工具

• 傾向分數匹配(PSM):幫每個受處理者找一個「條件幾乎一樣」的未處理者配對比較,控制混雜因子
• 工具變數(IV):找一個只透過處理影響結果的外生變數,繞過無法觀測的混雜
• 斷點迴歸(RDD):利用門檻規則(如補助以分數線切),比較門檻兩側幾乎相同的人
• 雙重差分(DID):比較處理組與對照組「前後變化的差」,扣掉共同時間趨勢

🎯 口訣:配對 PSM、繞道 IV、切線 RDD、扣趨勢 DID — 四招都在模擬「假如沒有」。

iPAS 考點

考方法配情境:「政策以年齡或分數為門檻」選斷點迴歸;「某縣市先實施、其他縣市當對照,比前後差異」選 DID;「觀察性資料想消除自選偏誤」選 PSM。觀念題必考:相關不等於因果,關鍵在混雜因子是否被控制。