SuperAPI AI 工具集

causal-inference

测试与质量

查看项目

更新于 10-15 16:49

技能介绍

该技能用于在解读指标、调试系统行为、阅读A/B测试结果或判断某变化是否真的导致某结果时,系统性地应用因果推断。

用途:围绕“X是否真正导致Y”这一核心问题,区分相关与因果,避免对无因果路径的相关变量做无效干预,避免因遗漏混杂因素而把效应归因到错误原因,避免依据虚假相关采取行动。

主要能力:提供核心概念框架,包括反事实推理(“若X不同,Y会怎样,其他条件不变”)、混杂因素、中介因素与混杂因素的区别、辛普森悖论。并给出建立因果关系的工具:随机对照实验(产品中即A/B测试)、双重差分(DiD)、自然实验、因果图(DAG)。同时列出A/B测试的失效模式:新奇效应、样本比例不匹配、多重比较、偷看结果;并提供输出格式:待检验因果主张、因果结构、因果解释的威胁、证据质量、结论、下一步;以及A/B测试前应检查的清单和思考触发问题。

使用方式:在用户解读指标、调试系统、阅读A/B测试结果或追问因果关系时调用;按资料给出的输出结构组织分析,显式写出反事实、因果图、潜在混杂因素、中介因素与对撞因子,评估各威胁(混杂、选择偏差、反向因果、共同原因、季节性/时间趋势、巧合时间、辛普森悖论)是否存在,再给出证据质量与结论。必要命令保持原样。

适用场景:产品与工程中的指标分析、A/B测试解读、系统行为调试、判断变化是否真正带来效果。

限制:资料未提供具体安装命令、收费、价格、平台支持或效果保证等信息,暂未提供;使用时应以实际数据与设计假设为前提。