因果推断 360

一个用于从观察性数据中推断因果效应的 Python 包。

描述

因果推断分析能够基于现实世界中的非实验性观察数据，估计干预措施对某一结果的因果效应。

本包提供了一套统一的、受 scikit-learn 启发的 API 下的因果方法。它实现了元算法，允许插入任意复杂的机器学习模型。这种模块化的方法支持高度灵活的因果建模。类似 fit-and-predict 的 API 使得可以在一组样本上进行训练，并在另一组（袋外）样本上估计效应，从而实现更为“诚实”¹的效应估计。

该包还包含一个评估工具集。由于大多数因果模型内部都使用了机器学习模型，我们可以通过从因果视角重新解释已知的机器学习评估指标来诊断性能不佳的模型。

如果您使用本包，请考虑引用 Shimoni 等, 2019：

@article{causalevaluations,
  title={An Evaluation Toolkit to Guide Model Selection and Cohort Definition in Causal Inference},
  author={Shimoni, Yishai and Karavani, Ehud and Ravid, Sivan and Bak, Peter and Ng, Tan Hung and Alford, Sharon Hensley and Meade, Denise and Goldschmidt, Yaara},
  journal={arXiv preprint arXiv:1906.00442},
  year={2019}
}

¹ 借用 Wager & Athey 的术语，避免过拟合。

安装

pip install causallib

使用

该包通过名称 causallib 导入。每个因果模型都需要一个内部的机器学习模型。causallib 支持任何具有类似 sklearn 的 fit-predict API 的模型（注意，某些模型可能需要实现 predict_proba 方法）。例如：

from sklearn.linear_model import LogisticRegression
from causallib.estimation import IPW 
from causallib.datasets import load_nhefs

data = load_nhefs()
ipw = IPW(LogisticRegression())
ipw.fit(data.X, data.a)
potential_outcomes = ipw.estimate_population_outcome(data.X, data.a, data.y)
effect = ipw.estimate_effect(potential_outcomes[1], potential_outcomes[0])

完整的 Jupyter Notebook 示例可在 examples 目录 中找到。

社区支持

我们使用 causallib.slack.com 上的 Slack 工作区进行非正式交流。我们鼓励您提出关于因果推断建模或 causallib 使用的问题，这些问题不一定需要在 Github 上开 issue。

请使用此 邀请链接加入 causallib 的 Slack。

因果推断方法

关于我们如何处理因果推断估计的一些关键点：

1. 强调潜在结果预测

因果效应可能是我们期望的结果。然而，每一个效应都是由两个潜在（反事实）结果定义的。我们采用两步法，将效应估计步骤与潜在结果预测步骤分开。这种方法的一个有益之处在于，它更好地支持多处理问题，在这种情况下，“效应”并不容易定义。

2. 分层平均治疗效应

因果推断文献特别关注于估计效应的人群。例如，ATE（整个样本的平均治疗效应）、ATT（接受治疗者的平均治疗效应）等。通过允许袋外估计，我们将这一规范留给用户。例如，ATE 可以通过 model.estimate_population_outcome(X, a) 来实现，而 ATT 则通过对接受治疗者进行分层来完成：model.estimate_population_outcome(X.loc[a==1], a.loc[a==1])。

3. 因果推断模型家族

我们区分两种类型的模型：

• 权重模型：通过对数据进行加权，使处理组和对照组之间达到平衡，然后通过观察结果的加权平均来估计潜在结果。逆概率加权（IPW 或 IPTW）是最著名的此类模型。
• 直接结果模型：利用协变量（特征）和治疗分配构建一个直接预测结果的模型。然后可以使用该模型预测在任何治疗分配下的结果，特别是所有个体都接受治疗或都不接受治疗时的潜在结果。这些模型通常被称为 标准化 模型，值得注意的是，目前只有它们能够生成 个体效应估计（即 CATE）。

4. 混杂因素与 DAG

因果推断分析中最重要的步骤之一是正确选择数据的两个维度，以避免引入偏差：

• 在行方面：周密地选择数据中个体的纳入或排除标准。
• 在列方面：周密地选择哪些协变量（特征）作为混杂因素并应纳入分析。

这需要领域专家的知识，无法完全由算法自动化。本包假设提供给模型的数据已经符合相关标准。不过，可以使用 scikit-learn 的管道估算器实时应用过滤，将预处理步骤（可过滤行和选择列）与因果模型串联起来。

causallib 快速上手指南

causallib 是一个用于从观察性数据中推断因果效应的 Python 包。它提供了一套统一的、受 scikit-learn 启发的 API，支持将复杂的机器学习模型作为内部组件插入到因果推断算法中。

环境准备

• 操作系统：Linux, macOS, Windows
• Python 版本：建议 Python 3.7 及以上版本
• 前置依赖：
  • scikit-learn：核心依赖，用于机器学习模型接口
  • pandas & numpy：用于数据处理
  • matplotlib / seaborn：可选，用于可视化评估结果

确保已安装基础科学计算库，若未安装可先行执行：

pip install scikit-learn pandas numpy

安装步骤

推荐使用 pip 进行安装。国内用户可使用清华或阿里镜像源加速下载。

标准安装：

pip install causallib

使用国内镜像源加速安装（推荐）：

pip install causallib -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

causallib 的核心设计理念是将“潜在结果预测”与“效应估计”分离。以下是最简单的使用示例，演示如何使用逆概率加权（IPW）方法结合逻辑回归模型来估计因果效应。

代码示例

from sklearn.linear_model import LogisticRegression
from causallib.estimation import IPW 
from causallib.datasets import load_nhefs

# 1. 加载示例数据 (NHEFS 数据集)
# X: 特征矩阵，a: 干预/治疗分配向量，y: 结果变量
data = load_nhefs()

# 2. 初始化因果模型
# 传入一个符合 sklearn 接口的机器学习模型 (此处为逻辑回归)
ipw = IPW(LogisticRegression())

# 3. 拟合模型
# 基于特征 (X) 学习治疗分配 (a) 的概率模型
ipw.fit(data.X, data.a)

# 4. 估计潜在结果
# 预测在不同干预下的群体潜在结果
potential_outcomes = ipw.estimate_population_outcome(data.X, data.a, data.y)

# 5. 计算因果效应
# 计算治疗组 (1) 与对照组 (0) 潜在结果的差值
effect = ipw.estimate_effect(potential_outcomes[1], potential_outcomes[0])

print(f"Estimated causal effect: {effect}")

关键点说明

• 模型灵活性：你可以将 LogisticRegression() 替换为任何具有 fit 和 predict_proba 方法的 sklearn 模型（如随机森林、XGBoost 等），以实现更复杂的因果建模。
• 两步法：先调用 estimate_population_outcome 获取潜在结果，再调用 estimate_effect 计算差值，这种设计支持多治疗场景及更细致的效应分析（如 ATT, CATE）。