用途:在无法进行干净 A/B 测试时,判断某项改动或上线是否真正导致了指标变化,而非仅相关。适用于 rollout 已发生、存在伦理或放量风险、怀疑混杂、关心异质性处理效应(CATE、uplift)、中介路径、单元间干扰,以及 LLM 评估流水线使用日志数据(提示分布、评审偏差、自选择造成混杂)的场景。
主要能力:给出 12 个核心原语,包括 DAG 与结构因果模型、do-calculus、后门/前门准则、工具变量、断点回归、双重差分、合成控制(含 SDiD)、倾向得分方法、CATE/uplift 建模、辛普森悖论与混杂陷阱、中介分析、敏感性分析;并收录中断时间序列、离策略评估、替代指标、Manski/Lee 界、阴性对照与近端推断等非经典设计。每个原语配有模板与正式理论映射。同时列出反模式与误用,如把 P(Y|X) 当因果、看结果后画 DAG、对处理后变量做条件、DiD 平行趋势违规、弱工具变量仅凭 F>10、倾向得分重叠失败、无重叠检查发布 CATE、把观察性估计称为已证影响等,并给出修正建议。
使用方式:提供决策清单,先画假设 DAG,再判断目标效应是否为干预性的 do(X),检查可识别性;根据数据结构选择方法:有阈值用 RDD,有前后与可比未处理组用 DiD,处理时点交错用 Callaway–Sant'Anna 等稳健估计量,剂量为连续用连续处理 DiD,平行趋势不确定用 HonestDiD 或合成 DiD,单一处理单元用合成控制,有有效工具变量用 IV 并做弱工具稳健推断,仅有可测混杂用倾向得分匹配/IPW/DR,需要条件平均效应用 CATE/uplift,总效应有中介变量用中介分析,无法消除混杂则选匹配效应尺度的敏感性方法。还提供多方法组合配方,如从观察数据做 uplift、无对照组政策评估、机制归因和 LLM 评估流水线去混杂,并讨论干扰与 SUTVA。
限制:需要明确识别假设;若有效样本或处理重叠不足、敏感性分析显示合理遗漏混杂可逆转结论,应限定结论或改用更强设计。涉及动作选择用决策论,区间与样本量用统计推断,多主体策略交互用博弈论。文中未提供具体安装命令、价格、平台或效果数据。