明日云讲堂 | 韩吴：实验个体干扰下的因果推断 – 假设检验与估计

因果推断是现代数据科学研究的核心领域之一，它允许研究者确定特定的干预或治疗是否对结果产生影响。因果推断关注的是变量之间的“因果”关系，这需要超越相关性，理解改变一个变量是否会导致另一个变量的改变。推断因果关系的黄金标准是随机对照试验，它随机将受试者分配到治疗组或对照组，并比较结果。虽然随机对照试验为我们提供了进行因果推断的数据，但随后的统计分析往往依赖于一个称为稳定单元处理价值假设（SUTVA）的关键假设。该假设认为一个单元（或个体）的处理不会影响另一个单元的结果。然而，在许多实际情况中，这个假设不成立，导致了所谓的干扰(interference)或SUTVA的违反(SUTVA violation)。干扰可以出现在各种环境中，如社交网络，一个人受到的处理可以影响其他人的结果，或者在市场中，一种实体的受到的处理可以影响其他同类实体。理解和处理干扰是因果推断的一个关键且复杂的方面，它需要更先进的方法来正确估计因果效应。

我们提出了新的统计方法，以解决因果推断中的干扰问题。由于干扰对因果推断所带来的困难，检测干扰的能力在确定最合适的统计分析方法上变得至关重要。为此我们首先讨论在具有递增分配的在线对照试验中(A/B tests with increasing allocation)检测干扰的问题。我们随后转向社交网络干扰引起的复杂问题，引入了新的因果效应估计方法。