1.2.1 因果效应定义（ATE、ATT、CATE、NDE、NIE）

文档摘要

1.2.1 因果效应定义（ATE、ATT、CATE、NDE、NIE） 1.2.1 因果效应定义（ATE、ATT、CATE、NDE、NIE）想象一下，你正站在一个医疗试验的现场：一组患者接受新药治疗，另一组服用安慰剂。治疗后，症状改善了多少？这不仅仅是简单平均差异那么浅显。因果推断的核心在于剥离混杂因素，精准捕捉“如果不治疗会怎样”的反事实世界。这就是我们今天要深挖的因果效应定义——ATE、ATT、CATE，以及中介机制下的NDE与NIE。作为一名一线因果推断工程师，我见过太多项目因为混淆了这些概念而导致模型失效。今天，我们不只停留在定义层面，而是直奔实现：从数学公式到Python代码，从参数调优到常见陷阱的规避。跟着我一步步来，你将掌握如何在真实数据上计算这些效应，并优化生产级管道。