4.3.3 代理变量与深度学习扩展（TARNet、DragonNet）

文档摘要

4.3.3 代理变量与深度学习扩展（TARNet、DragonNet） 4.3.3 代理变量与深度学习扩展（TARNet、DragonNet）想象一下，你正试图从海量观测数据中剥离出“因果真相”——比如，一款新药是否真正提升了患者的生存率，而非被其他隐形因素（如患者年龄或生活习惯）所混淆。在传统统计模型中，代理变量（Proxy Variables）就像一位可靠的“替身侦探”，它们捕捉了那些难以直接观测的混杂因素，帮助我们逼近真实因果效应。但当数据维度爆炸、关系高度非线性时，线性模型就力不从心了。这时，TARNet和DragonNet这些深度学习扩展登场，它们将代理变量的智慧注入神经网络的强大表达力中，不仅能处理复杂交互，还能精确估计个体处理效应（CATE）和平均处理效应（ATE）。