CausalPy

它会给你什么

• 因果效应的估计结果，附带完整的抽样分布，可算误差范围。
• “如果不干预本来会怎样”的反事实预测值。
• 断点回归里分数线处的跳跃大小，或拐点设计里的斜率变化。

你需要准备

• 一份面板或时间序列格式的数据表。
• 一个模型公式，说明结果变量和哪些因素、交互项有关。
• 所选方法需要的设计参数，比如断点回归的分数线、干预时点、对照组和实验组名单、工具数据、加权方式等，不同方法要求不同。

由你把关

• 你选的方法是否匹配你的研究设计，比如阈值规则配断点回归、政策冲击配中断时间序列或双重差分，由你决定。
• 双重差分方法要求的“干预前两组走势平行”是否成立，由你核对。
• 工具变量法的前提是否成立，比如工具变量确实影响处理、又只通过处理影响结果，由你核对。

它会给你什么

• 拟合好的模型，贝叶斯方式带完整抽样结果，普通回归带系数。
• 可以直接访问的模型对象。
• 对新数据做出的预测值。

你需要准备

• 你想用的底层模型实例；不指定就留空。
• 留空时兜底使用的默认模型类型。
• 所用方法自身声明支持贝叶斯还是普通回归。

由你把关

• 要不要完整的不确定性分布，要就选贝叶斯、只要一个点估计就选普通回归，由你决定。
• 贝叶斯抽样次数等设置是否足够、结果有没有正常收敛，由你核对。
• 留空会默认走贝叶斯、计算比较耗时，你是否清楚这一点，由你确认。

它会给你什么

• 一整套结果包，包括实验对象、效应摘要、敏感性分析和报告。
• 一份自包含的网页报告，可以另存成文件。
• 各项诊断检查附带的图表。

你需要准备

• 分析用的数据表。
• 实验配置，写明用哪种方法和相关设置。
• 要做哪些步骤的清单，比如估计效应、敏感性分析、生成报告，每一步可带自己的选项。

由你把关

• 步骤顺序是否合理，估计效应必须排在敏感性分析和生成报告之前，由你核对。
• 敏感性分析结果要不要进报告，默认是不进，由你决定。
• 报告里的信息够不够别人复查，比如效应摘要、诊断图和假设说明，由你核对。

它会给你什么

• 一张效应摘要表，列出平均值、中位数、误差区间、效果为正的概率、相对变化等指标。
• 几段自然语言解读，说明观察值与反事实的差距、可信程度和需要注意的假设。
• 用交错双重差分时，还会多一张按时间点汇总的效应表。

你需要准备

• 已拟合实验得到的因果效应结果。
• 反事实预测值，用来计算效果相当于基线的百分之几。
• 报告的各项设置：效果方向预期是增是减还是不限、置信水平、要不要算累积效应和相对变化、判断实际显著性的门槛、时间窗口等，大多有默认值。

由你把关

• 置信水平是否符合你领域的惯例，注意软件默认值不一定是你习惯的 95%，由你核对。
• 效果方向设置是否匹配你的研究假设，预期增加、预期减少还是不限方向，由你决定。
• 判断实际显著性的门槛有没有领域依据，不能随便设，由你核对。

它会给你什么

• 每项检查一份结果：通过与否的判定、统计表、文字解读和图表。
• 一份汇总，告诉你所有检查是否全部通过。
• 各项检查附带的诊断图。

你需要准备

• 已经拟合好的实验对象。
• 分析流程的上下文信息，包括实验配置和数据。
• 各项检查自己的参数，比如安慰剂检验要做几组、留一法要去掉哪个单元、先验敏感性要试哪些先验。

由你把关

• 哪些检查适用于你的研究设计，不同设计该做的检查不一样，由你决定。
• 安慰剂检验的组数够不够，太少不可靠、太多费时间，由你核对。
• 预期效应的先验设置有没有领域依据，由你核对。