結構性機甲旋風土豆(第2/2頁)
章節報錯
（Rct）得出結論。因果推斷的難點在於反事實，因此對照實驗需要“足夠隨機”。對上面的例子而言，我們需要在實驗組和對照組中確保喝酒的比例是均等的。這是代價昂貴且費時費力的。
觀測性研究：對於已有的觀測資料，透過建模進行因果關係的研究。這種方式對數學的要求較高且存在準確率的問題，但可操作性強。
顯然，實驗性研究是理論上最完美的方式，但實際中我們不可能窮舉類似“喝酒狀態”這種影響因和果的因素，隨機對照試驗的成本是極大的，僅存在理論的可能。業界的研究重點是，如何最佳化觀測性研究的方法，使其準確度逐步逼近實驗性研究。
當前，觀測性研究存在兩大流派，分別是pearl創立的結構因果圖模型（Scm）和Rubin建立的潛在結果模型（Rcm）。[6][7]
2.2 變數定義與說明
為了便於後續介紹，這裡先對因果推斷的常用變數做一個說明。黑色粗體為重要定義，treatment Effect是衡量干預效果的指標，也是我們期望最佳化的目標以及模型的輸出[5][7][8][9]
2.3 因果分析流程
介紹推斷的具體方法之前，我們先說明因果分析的流程。如下圖，主要有兩個步驟[1][10]：
Identification（因果識別）：基於觀測資料，輸出不同干預下的統計分佈（即“原因因子”狀態不同時結果因子的分佈），以分佈的gap作為衡量因果關係的依據。Scm模型主要解決這部分問題（並不是說Scm不能做後續的推斷）
Estimation（因果推斷）：根據統計結果，做反事實的推斷，以反事實與觀測的gap作為效果大小的衡量，這個過程叫Estimation。Rcm模型重點在這部分
想減肥想減肥好吃，防護服減減肥進去刺骨寒風