5.1 异质性与子群分析：CATE与uplift

5.1 异质性与子群分析：CATE 与 uplift

本节摘要：平均效应回答"总体上值不值"，决策常常需要"对谁值"。条件平均处理效应 τ(z)=E[Y(1)−Y(0)|Z=z] 是异质性的正式语言；uplift 建模把它工程化为营销与干预的目标量。本节讲 CATE 的定义与识别、三类估计范式（两模型、单模型带交互、因果树/森林）、honest splitting 的必要性，以及 uplift 的四种人群划分。

从"平均有效"到"该给谁"

设想药物平均降低复发率 6 个百分点。拆开看：高风险亚组降 15 个点，低风险亚组反而升 3 个点——平均掩盖了结构。若只给高风险人群用药，总收益上升且副作用暴露减半。这类"效应因人而异"在医疗、定价、营销、政策补贴里是常态而非例外，正式语言是 CATE：

τ(Z) = E[Y(1) − Y(0) | Z = z]

识别条件与 ATE 相同（条件可交换、正定性），但估计难度升级：它是每个 z 点上的条件期望差，样本切得更碎，过拟合风险陡增。CATE 估计的元问题因此不是"选哪个模型"，而是如何在无法直接观测真值的情况下评估与防过拟合——个体层面 Y(1)−Y(0) 永远缺失，你不能像普通回归那样拿留出集的 MSE 说事。

三类估计范式

范式一：两模型（T-learner）。 分别对处理组、控制组拟合 E[Y|X,Z]，预测时作差 τ̂(z)=m̂₁(z)−m̂₀(z)。简单直接；两个模型的独立误差在作差时叠加，且在数据不平衡时两模型在最需要互补的区域各自外推。

范式二：单模型（S-learner）。 把处理指示 X 当普通特征放进一个模型 E[Y|X,Z]，预测时切换 X 取值作差。避免双模型误差，但强正则的树模型可能"看不见"弱的处理效应，把 τ̂ 压成零——处理变量在分裂竞争中输给强预后变量是常态。

范式三：直接建模异质（X-learner、因果树/森林）。 X-learner 先训练两个基础模型，再用控制组信息补全处理组的个体效应（反之亦然），在两组规模悬殊时表现突出。因果树（Athey 与 Imbens）的关键创新是 honest splitting：样本一分为二，一半用于决定树的分裂点（选异质性最大的划分），另一半用于估计叶内效应——两份职责不共用数据，使叶内效应估计与置信区间恢复无偏。因果森林是诚实树的集成，给出逐点置信带。

# 概念流程：因果树的诚实估计思想（示意）
import numpy as np
rng = np.random.default_rng(5)
n = 4000
Z = rng.normal(0, 1, (n, 2))
X = rng.integers(0, 2, n)                       # 随机化场景
tau_true = 1.0 + 2.0 * (Z[:, 0] > 0)            # 真实CATE：半群1.0、半群3.0
Y = tau_true * X + Z[:, 0] + rng.normal(0, 1, n)

# 诚实分割：一半选分裂点，另一半估叶效应
idx_sel, idx_est = np.split(rng.permutation(n), 2)
thr = np.median(Z[idx_sel, 0])                  # 用选择样本定阈值
leaf_hi = idx_est[(Z[idx_est, 0] > thr) & (X[idx_est] == 1)]
leaf_hi0 = idx_est[(Z[idx_est, 0] > thr) & (X[idx_est] == 0)]
print(round(Y[leaf_hi].mean() - Y[leaf_hi0].mean(), 2))  # 典型输出≈3.0
​

uplift 建模：把 CATE 接到运营

营销场景把 CATE 改名为 uplift：发券对某人转化的提升量。经典人群四分法是 uplift 的运营词典，按 (是否被触达, 是否转化) 的行为倾向划分：

四分法理论上漂亮，个体却不可直接观测（又是潜在结果）。实际建模以"预测 uplift 分数→按分位数分桶→增量实验验证"落地：给不同分数桶随机触达/不触达，桶内实测增量应与预测单调对齐——这是 uplift 模型唯一可信的评估方式，离线指标（Qini 曲线）只能做粗筛。

⚠️ 亚组分析的两个纪律：其一，异质性"发现"必须防多重比较（第 4.6 节），树会在噪音里挖出假亚组，交叉验证与预注册亚组是解药；其二，别把"基线风险高"误当"效应大"——高复发人群的绝对收益常更高，但相对效应可能齐性，两种排序给出不同的资源分配方案。

FAQ 与评估细节

问题：CATE 模型怎么比较好坏？

标准做法是"分位数风险比"或按预测 uplift 十分位画实测增量的校准曲线：把样本按预测分数分桶，桶内用随机化数据算实测效应，看实测—预测的斜率与单调性。Qini 曲线做粗筛，分桶校准做终审。切忌用个体 MSE——个体真值不可观测，这个指标在数学上就不成立。

问题：样本量有限时先估异质性还是先报平均？

先平均。异质性估计的方差远大于平均（每个子群都是子样本），小样本里挖亚组几乎必然产出噪声。经验阈值：总样本支撑平均效应的稳定估计后，再谈二到三个粗颗粒亚组（预注册的），细粒度异质性留给因果森林加诚实推断的大样本场景。

Qini 曲线一分钟版

Qini 是 uplift 的洛伦兹曲线：按预测 uplift 从高到低排序，横轴为累计样本占比，纵轴为累计增量（实验设计下可估）。随机定位线是直线；模型曲线在它上方拱起，面积（Qini 系数）越大排序越准。它的两个用途：粗筛模型（面积比较）与定预算阈值（预算覆盖到曲线斜率掉落前）。但 Qini 建立在"分数排序正确"的总体层面，不保证任何一桶的数值准确——所以正文强调分桶实测校准才是终审，Qini 只负责初选。

本节要点回顾

• CATE 定义：条件期望差；识别同 ATE，估计难点在个体真值不可观测导致的评估困境。
• 三范式：两模型、单模型、直接建模（X-learner/因果树）；诚实分裂用数据隔离换无偏。
• uplift 落地：四人群是词典，评估靠增量实验分桶对齐，Qini 只做粗筛。
• 两条纪律：防亚组多重比较；区分基线风险与效应大小的排序。
• 下一节：SUTVA 的另一头——个体之间互相影响。