因果推理“三问”：是什么？为什么需要？如何使用？(2)

为什么要估计因果关系？
得到因果关系是如此复杂的，何必还要呢？我们为什么不直接使用相关性呢？我们知道相关性在进行预测时是有用的。如果我们知道变量A与变量B有很强的相关性，那么知道变量A的值就可以帮助我们预测变量B的值。在业务环境中，我们可以利用相关性来预测给哪些客户群体做促销，这样我们就可以根据客户过去的行为和其他客户特征来提高转化率。但是，即使是最准确的预测模型，也不能得出结论，当你观察到客户转化率提高了，就是因为促销。我们需要设计实验或进行准实验研究，才能得出因果关系并量化干预效果。在这个例子中，因果推理可以告诉你，提供促销活动是否增加了客户转化率，以及增加了多少。因此，与相关性相比，因果关系能给决策者更多的指导和信心。
如何进行因果推断？
1、不同的干预效应
估计因果效应与估计你的利益结果变量的干预效应是一样的。根据具体的研究或业务问题，可以选择不同的治疗效果进行估计。假设Y是结果变量，其中Y是没有干预的结果，Y是有干预的结果。T为虚拟变量，表示单位i是在干预组（T=1）还是对照组（T=0）：
平均干预效应（ATE）：平均而言，干预组和对照组之间的结果变量有何不同？

平均干预效应
平均干预效应（ATT）：平均而言，干预组中的单位在接受和不接受干预的情况下，结果变量的差异是什么？

平均干预效果
在这里，E(Y|T=1)是干预组单位的预期结果，它是可观察的。然而，E(Y|T=1)是不可观察的，因为它是假设的。一个单位只能有Y和Y这两种结果中的一种，这取决于这个单位所在的组别。如果这个单位已经接受了干预，我们可以观察Y，并使用不同的技术来估计Y这个反事实变量。我将在后面讨论不同的技术。