1. 承前启后

    上一讲以土财主小明打佣人致死的案例引入了因果推断中的反事实概念和一系列常用统计量,本讲介绍下因果推断中常用的4个假设前提.

2. 因果推断的前提假设？

特定的因果关系的成立需要满足4个假设:

稳定单元处理值假设【SUTVA】:

这个假设其实讲的是"处理变量性质固定"的概念。具体来讲有两个层面的含义$\to$
1.个体层面: 受试个体间没有相互影响,不会因为个体间的相互影响而改变了处理变量的功效；
举个栗子:一个人不会因为看到另外一个人被打,有了心理阴影,当他被打时直接被吓死了,这样就会给打人的功效"添油加醋"；
2.处理变量层面: 处理变量"一视同仁",你不能打张三用30%的力量,打李四却用100%的力量，那我们是无法用李四的情况来研究张三这种群体的因果效应的。

一致性假设【consistency】

对于佣人来说,在被打之前他有Y(假如被打)和Y(假如没被打)两种虚拟的响应变量结果,所谓的一致性假设就是说当佣人真的被打时,观察到的结果和Y(假如被打)是一致的。 Y(假如没被打)的一致性含义同理。

可忽略性假设【ignorability】

可忽略性假设是说佣人被打($D_i=1$)或没被打($D_i=0$)的状态 对潜在的Y(假如被打)和Y(假如没被打)产生的影响可以忽略。佣人不可以因为没被打而改变被打会死亡的结果.
专业点说就是一个人接受处理变量D的哪种水平是个随机事件,和潜在的响应变量Y结果无关：$$D_i\perp Y_i(1),Y_i(0)$$

正值假设【positivity】

此正值非彼正直 , 这个假设的含义是指:个体接受处理变量每种水平的概率不能为0,也不能为1. 就是要排除掉一些极端个体.

你可能会问:这些假设有什么用？确实,刚接触因果推断的我们肯定无法理解这些假设在后续分析中的作用,但是这仍然无法改变它们很重要的事实,我们能做的就是逐步接受它们，并在后续的学习中发现它们的美~

码字不易,转载请注明来源~