观察数据中的因果推断

Question

我正在使用 python 包 DoWhy 来查看基于 this site.

的任期和客户流失之间是否存在因果关系

# TREATMENT = TENURE
    causal_df = df.causal.do('tenure', 
                             method = 'weighting', 
                             variable_types = {'Churn': 'd', 'tenure': 'c', 'nr_login',  'c','avg_movies': 'c'
                                              },
                             outcome='Churn',common_causes=['nr_login':'c','avg_movies': 'c'])

我还有一些其他变量。

这是正确的分析方法吗？
常见原因是什么意思，如何选择？
我如何解释结果以及确定性如何？

Answer 1

让我们一一解答您的问题。

1。这是正确的方法吗？

是的，你的代码片段是正确的，假设你想通过以 nr_login 和 avg_movies 为条件来估计 tenure 和 Churn 的因果效应。

然而，此方法将输出一个数据帧，其中包含结果 Churn 的干预值。也就是说，流失变量的值就好像任期已经独立于指定的常见原因而改变一样。如果处理 tenure 是离散的，您可以绘制一个简单的图来可视化 tenure 的不同值的影响。类似于：

causal_df = df.causal.do('tenure', 
                          method = 'weighting', 
                          variable_types = {'Churn': 'd', 'tenure': 'd', 'nr_login',  'c','avg_movies': 'c'},
                          outcome='Churn',common_causes=['nr_login':'c','avg_movies': 'c']).groupby('tenure').mean()

但是，要计算平均因果效应，更直接的过程是运行 do 方法两次用于计算效应的两个治疗值（典型的价值是比较治疗= 1与0）。生成的代码如下所示，如 example notebook (also see the docs 中 do 方法所述：

df_treatment1 = df.causal.do({'tenure': 1}, 
                                method = 'weighting', 
                                variable_types = {'Churn': 'd', 'tenure': 'd', 'nr_login',  'c','avg_movies': 'c'},
                                outcome='Churn',common_causes=['nr_login':'c','avg_movies': 'c'])

df_treatment0 = df.causal.do({'tenure': 0}, 
                                method = 'weighting', 
                                variable_types = {'Churn': 'd', 'tenure': 'd', 'nr_login',  'c','avg_movies': 'c'},
                                outcome='Churn',common_causes=['nr_login':'c','avg_movies': 'c'])
causal_effect = (df_treatment1['churn'] - df_treatment0["churn"]).mean()

还有一种使用主要 DoWhy API.

实现相同结果的等效方法

model= CausalModel(
        data=df,
        treatment='tenure',
        outcome='churn',
        common_causes=['nr_login', 'avg_movies'])` 
identified_estimand = model.identify_effect()
model.estimate_effect(identified_estimand, method="backdoor.propensity_score_weighting")

也就是说，根据您的数据集，可能还有其他更适合的估计方法。例如，如果给定常见原因的可能值，其中一个治疗值不太可能，则 "weighting" 方法预计具有高方差。此外，如果您的数据有限，则此方法可能不适用于连续处理，因为它是一种非参数方法，通常具有较高的方差。在这些情况下，您可以使用其他估计器方法，例如使用参数假设的双 ML 来减少估计中的方差（以可能的偏差为代价）。您可以像这样调用双 ML 或其他高级 EconML 估计器（this notebook 中的完整示例）：

model.estimate_effect(identified_estimand, 
                       method_name="backdoor.econml.dml.DMLCateEstimator",
                       control_value = 0,
                       treatment_value = 1,
                       confidence_intervals=False,
                       method_params={"init_params": 
                                        {'model_y':GradientBoostingRegressor(),
                                         'model_t': GradientBoostingRegressor(),
                                         "model_final":LassoCV(),                    
                                         'featurizer':PolynomialFeatures(degree=1, 
                                                         include_bias=True)
                                        },
                                      "fit_params":{}
                                     })

2。如何选择common_causes?

常见原因是导致治疗和结果的变量。因此，治疗和结果之间的相关性可能是由于治疗的因果效应，或者仅仅是由于常见原因的影响（典型的例子是冰淇淋销售与游泳池会员资格相关，但一个不会导致另一个; 炎热的天气是这里的常见原因）。因果推理的目标是以某种方式解开常见原因的影响，并且仅 return 处理的效果。形式上，因果效应是当所有常见原因保持不变时治疗对结果的影响。有关更多信息，请查看此 tutorial 关于因果推理）

因此，在您的示例中，您希望包括所有变量，这些变量既可以导致客户拥有较高的使用期限，又可以减少他们流失的机会（例如，他们的每月使用量、对平台的信任度等）。这些是需要包含在模型中的常见原因或混杂因素。

3。如何解释结果及其不确定性？

如上所述，因果效应的标准解释是当治疗改变 1 个单位时结果的变化 (churn)。但是，对于连续变量，这只是一个约定：您可以将因果效应定义为治疗的任何两个值的结果变化。

为了估计不确定性，您可以估计置信区间 and/or 进行反驳检验。置信区间会告诉您有关统计不确定性的信息（粗略地说，如果给您一个新的 i.i.d. 数据样本，您的估计值会发生多少变化？）。反驳测试将量化因果假设引起的不确定性（如果您没有指定一个重要的共同原因，估计会发生多少变化？）。

举个例子。您可以找到更多关于反驳方法的信息 here.

# Confidence intervals
est = model.estimate_effect(identified_estimand, method="backdoor.propensity_score_weighting",
confidence_intervals=True)
# Refutation test by adding a random common cause
model.refute_estimate(identified_estimand, est, method_name="random_common_cause")

观察数据中的因果推断

Causal Inference in observational data

python

inference

causality

1。这是正确的方法吗？

2。如何选择common_causes?

3。如何解释结果及其不确定性？