causal impact

概要

• 因果推論の根本問題について
  • 推論対象(反実仮想)をどう求めるか
• DIDのような簡単な関係ではなく、MLを用いて推論する
  • 目的変数に対してfitすれば良いので、kagglerが力を発揮する
• causal impactはコーザルインパクトという読み方になる

因果推論の根本問題について

• 介入した効果の逆を求めるのは難しい
  • e.g.
    • 東京をロックダウンし感染症の数がわかっても、仮にロックダウンしなかった場合の数がわからないことが問題
      • 様々な地域のロックダウンしたなかった場合 or した場合の感染者数を当てるモデルを作成する
        • 説明変数として人口や産業業態やlatlonなどさまざまな特徴量を用いると仮定する
      • モデルで東京のロックダウンしなかった場合をシミュレーションする

凡例

ロックダウンの効果を求めたい場合

特徴量の選択について

• 可能な限り、介入と相関がない特量を選ぶべきである
  • 介入に相関がある特徴量では、介入を変化させたときに、そちらも変更する必要があり、シミュレーションとして成立しない

参考

• 効果検証入門〜正しい比較のための因果推論／計量経済学の基礎
• 因果推論におけるCausal Impactの立ち位置を俯瞰する/Qiita