8.1 DoWhy与EconML：核心软件库

8.1 DoWhy 与 EconML：核心软件库

本节摘要：因果推断工具链的各库对应流水线的不同工位：DoWhy 管识别与反驳、EconML 管异质性估计、causal-learn 管结构发现。本节给出工具对照表、DoWhy 四步的概念代码、EconML 的估计器选择逻辑，以及库与库之间组合的接缝。

工位对照表

理解"工位"比记 API 重要。识别（第 3 章）与估计（第 4 章）在工具上的分离是有意设计：识别器输出的调整表达式可以被任意估计器消费；估计器的假设（线性、带宽、交叉拟合折数）不污染识别结论。评估一个团队的因果工程成熟度，看它是否把这两层显式分开就能猜出大半。

图：工具链在流程上的接缝

DoWhy 四步的概念代码

# 概念流程：DoWhy 建模-识别-估计-反驳（示意，参数名以官方文档为准）
from dowhy import CausalModel
import pandas as pd

model = CausalModel(
    data=df,
    treatment="使用新功能",
    outcome="次月留存",
    common_causes=["活跃度", "设备档次", "注册时长"],   # 图的口语输入：后门变量
)
# 识别：枚举所有可行调整策略
estimand = model.identify_effect(proceed_when_unidentifiable=True)
print(estimand)          # 输出后门调整/前门/IV 各策略与所需条件

# 估计：挂一个倾向得分匹配估计器
estimate = model.estimate_effect(
    estimand, method_name="backdoor.propensity_score_matching"
)
print(estimate.value)

# 反驳：自动稳健性流水线（第 4.6 节的工程化）
for ref in ["random_common_cause", "placebo_treatment_refuter",
            "data_subset_refuter", "add_unobserved_common_cause"]:
    print(model.refute_estimate(estimand, estimate, method_name=ref))
​

四个反驳器的含义各对应前文的稳健性动作：随机公共原因（加一个无关变量看结论晃不晃）、安慰剂处理（把处理替换成随机数，效应应归零）、数据子集（抽样重估）、加未测混杂（模拟第 4.6 节 E-value 式的扰动）。把 refute 的输出连同识别假设一起写进报告，是 DoWhy 提倡的"先证伪再相信"工作流。

EconML：估计器选择的决策逻辑

EconML 的估计器按两个维度选择。干扰模型能力：线性（LinearDML）够用时最稳；非线性强用 ForestDML/神经版；目标量：平均与 CATE 用 DML 族；有工具时用 DML-IV 或 DRIV（双稳健 IV）；预算约束下逐点处理策略评估看 DeepIV/DR-Learner。两个实践参数值得知道：cv 折数默认 2 可调到 5 换稳定性（第 4.3 节交叉拟合）；inference='statsmodels' 打开时输出逐点置信区间，CATE 决策（第 5.1 节分桶）没有区间等于裸奔。当处理是离散策略集或多值，把处理编码为类别后大部分估计器接口不变。

FAQ 与升级路线

问题：只想要一个快速可跑的组合，怎么起步？

最小可用栈：DoWhy（识别与反驳）+ EconML 的 LinearDML（估计）+ 自己画的图（三五个关键变量起步）。跑通"识别表达式打印出来、两种估计器对照、四个反驳器全过"的闭环，再考虑换更强估计器或引入 causal-learn。多数团队的瓶颈在图画得潦草，不在估计器不够新。

问题：这些库能直接处理时变处理吗？

部分。EconML 有 DynamicDML 处理面板型时变处理；更一般的 g-计算与边际结构模型要自己按第 5.3 节框架拼（公式直观，工程量在数据整形成"人-期"长表）。选择器上认准支持面板输入的估计器，避免把时变数据压扁成横截面喂给静态估计器——那是最常见的用法错误。

从识别输出到估计输入的接口

DoWhy 与 EconML 的组合接缝长这样：identify_effect 返回的识别表达式声明了需要估计的统计量（如后门调整下的条件期望差）；estimate_effect 通过 method_name 挂载具体估计器（EconML 的估计器可直接以"dowhy 的估计器包装"形式调用）。工程上值得做的封装：把"识别表达式 + 估计器 + 反驳结果"三件套序列化存档，形成每次因果分析的不可变记录——它同时是可复现实验日志与审计材料。库版本也要锁定：因果库的 API 变动频繁，识别输出格式跨版本不保证稳定，这是管线化时最实际的坑。

本节要点回顾

• 工位观：DoWhy 识别与反驳、EconML 异质性估计、causal-learn 结构发现、CausalML uplift 运营——不是竞品是流水线。
• DoWhy 四步：建模（图）→识别（枚举策略）→估计（可挂任意估计器）→反驳（四类自动稳健性检验）。
• EconML 两维度：干扰模型容量 × 目标量形态；打开推断输出拿置信区间。
• 解耦原则：识别层与估计层显式分离，是因果工程质量的可检验标志。