@因果推断

评估：
因果推断也好，AB-test也好，都是为了研究某个因素是否影响另一个的。实际场景中如果没办法进行ab-test可以尝试进行因果推断。
- ab测试
- 观察研究

分析逻辑

uplift

观察性研究

通过观察性研究来进行因果分析，会存在异质性问题

ability这个变量会影响对最终结果的估计。

因此分析异质性产生的原因，并且采取相应的解决措施就可以来解决该问题。
1. 遗漏了重要变量
2. 样本选择的有偏性
3. 测量方差。如果测量误差不是随机的，误差的发生概率与某个特征变量存在相关性，就会引起估计偏差

异质性问题分类：
- 可观测的、非可观测的
- 随时间变化的、随时间不变的

断点回归RDD

基本方法：只取断点附近的数据进行分析。
比如前面研究是否上大学与income的关系，一般来说上大学的能力要比不上大学的能力强，此外还可能存在其他的差别因素。如果我们按照分数进行筛选，比如分数线是400，那么400上下的人能力水平应该是差不多的，比如350-400，400-450的两组人，可以进行分析对比，t-test

比如：研究大屏对商场中消费者的吸引程度。通过划分区域和停留时长，认为构造出两个相似的人群。

IV 工具变量

研究X->Y, 但是Z是混杂因子，可以找另一个变量T，T与Y,Z不相关，与X强相关。

从因果图上看是阻断

从回归模型看，其实是解决了X与Z之前贡献相关的问题

两阶段回归

PSM

PS就是以干预因素（组别）为因变量，以所有观测到的非研究性因素为自变量进行logistic或probit回归. 得到倾向性得分

1. 同时影响干预分配和结果的变量应该被包括（使CIA成立）
2. 被干预项影响的变量应该排除（变量需要在干预项前计算）

匹配算法：为每个被干预的样本匹配一个（或多个）虚拟的对照样本。
https://zhuanlan.zhihu.com/p/491179790

(1) 最近邻匹配
对干预组中的用户，选取在对照组中倾向性

DID

自己的实践案例

过程漏斗实际是受到
- 品牌因素
- 场地动线、布局因素
- 客群属性因素
- 营销活动因素
等等的印象