观察数据中的因果推断

Question

我正在使用python包DoWhy来查看基于此站点的tenure和churn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'])

我还有许多其他变量。

1. 这是进行分析的正确方法吗？

2. 常见原因是什么意思，如何选择它们？

3. 我如何解释结果以及如何确定？

Answer 1

让我们一一回答您的问题。

1. 这是正确的方法吗？

是的，您的代码段是正确的，假设你要估计的因果关系tenure和Churn上调理nr_login和avg_movies。

然而，此方法将输出包含结果的介入值的数据帧Churn。也就是说，流失变量的值就好像任期已更改而与指定的常见原因无关。如果处理tenure是离散的，您可以绘制一个简单的图来可视化 的不同值的影响tenure。就像是：

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，更直接的程序是针对要计算效应do的两个处理值运行该方法两次（典型值是比较处理 = 1 与 0）。结果代码将如下所示，如示例笔记本中所述（另请参阅该方法的文档do）：

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 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，如果考虑到常见原因的可能值，处理值之一不太可能，则“加权”方法预计具有高方差。此外，如果您的数据有限，此方法可能不适用于连续处理，因为它是一种非参数方法，通常具有高方差。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 double-ML 或其他高级 EconML 估计器（本笔记本中的完整示例）：

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（经典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，只返回治疗的效果。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，请查看有关因果推理的教程）

因此，在您的示例中，您希望包含所有变量，这些变量既会导致客户拥有高任期并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churn当治疗改变 1 个单位时结果的变化 ( )。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结果在任何两个治疗值上的变化。

为了估计不确定性，您可以估计置信区间和/或进行反驳检验。置信区间会告诉你统计的不确定性（粗略地说，如果给你一个新的 iid 数据样本，你的估计会改变多少？）。反驳测试将量化由于因果假设引起的不确定性（如果您错过了指定重要的常见原因，估计会改变多少？）。

这是一个例子。您可以在此处找到有关反驳方法的更多信息。

# 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")