DoWhy

它会给你什么

• 异常归因结果：每个变量对这次异常贡献了多少。
• 干预或反事实假设下的模拟数据。
• 平均因果效应的数值。

你需要准备

• 一张因果关系图，说明哪些变量影响哪些变量。
• 你的数据表。
• 在因果图基础上建出的机制模型，图里每个变量都对应一条生成规律。

由你把关

• 因果图的结构是否符合真实的因果机制，这是最关键的人工关口，由你核对。
• 自动选的机制类型适不适合你的数据，连续数据和分类数据的适用模型不同，由你核对。
• 模型自检的结果是否可以接受，由你核对。

它会给你什么

• 每次检验一份结果，包括扰动后的新效应值和检验是否通过。
• 一次跑多种方法时，返回一组检验结果。

你需要准备

• 之前识别出的因果问题表达式。
• 之前算出的效应估计值。
• 这次用哪种压力测试方法。

由你把关

• 扰动后的新效应值偏多少才算“敏感”，这需要领域判断，由你核对。
• 压力测试的方法够不够多，只过一种不能下结论，由你核对。
• 用假处理检验时效应是否真的趋近于零，不趋近说明估计有结构性问题，由你核对。

它会给你什么

• 一个完整的因果模型，包含因果图和每个变量的角色定位。
• 一段模型摘要文字。
• 对没观测到或没用到变量的提醒，需要你判断是否正常。

你需要准备

• 一张数据表，包含处理变量、结果变量和其他相关变量。
• 处理变量的名字，可以是一个或多个。
• 结果变量的名字，可以是一个或多个。

由你把关

• 因果图是否反映了真实的因果机制，这是软件替代不了的关键判断，由你核对。
• 没观测到变量的提醒是否正常，是变量名写错了还是真的没观测，由你核对。
• 数据里没被用上的变量要不要纳入因果图，由你决定。

它会给你什么

• 效应估计结果：数值大小、置信区间和显著性检验。

你需要准备

• 上一步识别出的因果问题表达式。
• 你想用的估计方法，比如线性回归、倾向性得分匹配、工具变量法等。
• 对照组和处理组各自的取值，用来定义“从什么变到什么”。

由你把关

• 选的估计方法是否匹配你的数据和研究问题，结果是连续还是分类、数据来自观察还是实验，由你决定。
• 重抽样次数够不够，次数太少误差范围不可靠，由你核对。
• 对效应大小和分组效应的解读是否正确，由你核对。

它会给你什么

• 识别结果：能不能识别、计算公式和需要控制的变量集合。
• 识别结果会挂到你的因果模型上，供下一步使用。

你需要准备

• 已建好的因果图。
• 处理变量和结果变量。
• 数据里实际观测到了哪些变量。

由你把关

• 因果图的假设是否正确，这是最关键的人工关口，由你核对。
• 识别不了时要不要带着“可能存在未观测混淆”的警示继续往下走，由你决定。
• 要控制的变量名单是否符合领域常识，尤其不能把处理本身造成的结果也控制了，由你核对。

它会给你什么

• 一个 E 值：未观测的干扰因素至少要有多强才能推翻结论。
• 各个已观测干扰因素的基准 E 值，用来做对比。
• 误差范围随干扰强度变化的曲线图。

你需要准备

• 之前算出的效应估计结果。
• 上一步识别出的因果问题表达式。
• 你的数据表。

由你把关

• 结果度量用比值还是差值方式，由你决定。
• E 值到多少才算足够稳健，需要结合领域判断，由你核对。
• 有没有同时做压力测试，两种检查应该互为补充，由你核对。