浅谈因果推断与在内容平台的实践

因果推断与内容平台实践

因果推断初探快速上手因果模型

什么是因果

• 因果关系定义：无法同时观察个体被施加干预与否的两种状态，因果推断是在目标结果上估计干预造成的收益的理论手段。
• 相关性与因果性：
  • 相关性不意味着因果性（Correlation does not imply causation）。
  • 因果性有时不意味着可观察的相关性（Causation does not imply observable correlations）。
• 辛普森悖论：两种治疗方案下的肾结石手术成功率示例，说明数据分析需考虑分组因素。

因果推断核心问题

• 平均处理效应（Average Treatment Effect, ATE）和平均处理效应对处理组（Average Treatment effect on the Treated）。
• 消除偏差以获得因果效应：
  • 混杂偏差（Confounding Bias）：干预与结果有共同原因，需调整混杂变量。
  • 选择偏差（Selection Bias）：控制变量过多导致独立变量变得不独立。
• 随机A/B实验：
  • 通过随机分配消除偏差，但存在可行性、前提假设（SUTVA）和成本限制。

一个例子：泰坦尼克号数据集

• 高等舱乘客是否更能活下来？
• 子分类估计（Subclassification Estimator）：
  • 直接计算Class差异为35.4%，按age×child分组后加权ATE为18.9%。
• 维度灾难（The Curse of Dimensionality）：高维数据匹配难度增加。

匹配&加权

• 精确匹配（Exact Matching）和倾向性得分匹配（Propensity Score Matching）：
  • 使用倾向性得分进行匹配与加权，要求匹配后两组在混杂变量上平衡。
• 双重差分（Difference-in-Differences）：
  • 处理时间序列数据，需平行趋势假设和个体独立假设。
  • 示例：作者侧扶持对作者成长的影响，包括整体发稿量、活动相关内容发稿量等。

内容平台实践案例简述

案例简述

• 作者侧参与某活动对作者投稿的影响。
• 假设：
  • 平行趋势假设：干预组和对照组趋势一致。
  • 个体独立假设：作者行为相互独立。
• 检验示例：
  • 作者侧扶持对发稿量和发稿活跃度的影响。
  • 平台侧和用户侧影响因素控制。

一些思考

• 为什么需要因果关系：
  • 不是所有场景适合A/B实验。
  • 预测模型无法提供决策细节。
  • 紧靠相关关系无法落地决策。
• 如何体现因果推断结果的可靠性：
  • 检查假设是否成立。
  • 检验结果是否敏感。
  • 不同方法是否得出相同结果。

参考材料

• https://matheusfacure.github.io/python-causality-handbook/landing-page.html
• https://mixtape.scunning.com/#welcome
• https://www.publichealth.columbia.edu/research/population-health-methods/difference-difference-estimation