SPIS TREŚCI
Przedmowa
Część I. Podstawy
1. Wprowadzenie do wnioskowania przyczynowego
Czym jest wnioskowanie przyczynowe?
Po co stosować wnioskowanie przyczynowe?
Uczenie maszynowe i wnioskowanie przyczynowe
Asocjacja a związek przyczynowy
Oddziaływanie i wynik
Podstawowy problem z wnioskowaniem przyczynowym
Modele przyczynowe
Interwencje
Indywidualny efekt oddziaływania
Wyniki potencjalne
Spójność i stabilna wartość oddziaływania jednostkowego
Interesujące wartości przyczynowe
Wartości przyczynowe – przykład
Błąd systematyczny
Wzór na błąd systematyczny
Wizualny przewodnik po błędzie systematycznym
Identyfikowanie efektu oddziaływania
Założenie o niezależności
Identyfikacja przy randomizacji
Najważniejsze zagadnienia
2. Eksperymenty z randomizacją i przegląd elementów statystyki
„Siłowe” zapewnianie niezależności za pomocą randomizacji
Przykładowy test A/B
Idealny eksperyment
Najbardziej niebezpieczne równanie
Błąd standardowy szacunków
Przedziały ufności
Testowanie hipotez
Hipoteza zerowa
Statystyki testowe
Wartości p
Moc testu
Obliczanie wielkości próby
Najważniejsze zagadnienia
3. Graficzne modele przyczynowe
Myślenie o przyczynowości
Wizualizacja związków przyczynowych
Czy konsultanci są warci swojej ceny?
Błyskawiczny kurs z zakresu modeli graficznych
Łańcuchy
Rozgałęzienia
Kolider
Ściąga dotycząca przepływu asocjacji
Tworzenie zapytań dotyczących grafu w Pythonie
Jeszcze o identyfikacji
Założenie o warunkowej niezależności i formuła korygująca
Założenie o dodatniości prawdopodobieństwa
Przykład identyfikacji na podstawie danych
Błąd spowodowany zmiennymi zakłócającymi
Zastępcze zmienne zakłócające
Jeszcze o randomizacji
Błąd doboru
Warunki dotyczące kolidera
Korygowanie błędu doboru
Warunek dotyczący mediatora
Najważniejsze zagadnienia
Część II. Uwzględnianie błędu systematycznego
4. Zaskakująca skuteczność regresji liniowej
Potrzebujesz tylko regresji liniowej
Dlaczego potrzebujemy modeli?
Regresja w testach A/B
Korygowanie za pomocą regresji
Teoria regresji
Regresja liniowa pojedynczej zmiennej
Wielozmiennowa regresja liniowa
Twierdzenie Frischa-Waugha-Lovella i ortogonalizacja
Etap eliminowania błędu systematycznego
Etap eliminowania szumu
Błąd standardowy estymatora regresji
Ostateczny model wyników
Podsumowanie na temat twierdzenia FWL
Regresja jako model wyników
Dodatniość prawdopodobieństwa i ekstrapolacja
Nieliniowość w regresji liniowej
Linearyzacja oddziaływania
Nieliniowe twierdzenie FWL i eliminowanie błędu systematycznego
Regresja z użyciem zmiennych zastępczych
Eksperymenty warunkowo losowe
Zmienne zastępcze
Nasycony model regresji
Regresja jako średnia ważona wariancją
Odejmowanie średniej i efekty stałe
Błąd systematyczny spowodowany pominiętą zmienną – zmienne zakłócające w kontekście regresji
Neutralne zmienne kontrolne
Zmienne kontrolne powodujące szum
Dobór cech: kompromis między błędem systematycznym a wariancją
Najważniejsze zagadnienia
5. Wskaźnik skłonności
Wpływ szkoleń menedżerskich
Uwzględnianie zmiennych za pomocą regresji
Wskaźnik skłonności
Szacowanie wskaźnika skłonności
Wynik skłonności i ortogonalizacja
Technika PSM
Wagi będące odwrotnością wskaźnika skłonności
Wariancja w metodzie IPW
Stabilizowane wagi oparte na wskaźniku skłonności
Pseudopopulacje
Błąd doboru
Kompromis między błędem systematycznym a wariancją
Dodatniość prawdopodobieństwa
Identyfikacja oparta na projekcie a identyfikacja oparta na modelu
Podwójnie odporna estymacja
Oddziaływanie łatwe do modelowania
Wynik łatwy do modelowania
Uogólniony wskaźnik skłonności dla oddziaływania ciągłego
Najważniejsze zagadnienia
Część III. Niejednorodność efektu i personalizacja
6. Niejednorodność efektu
Od ATE do CATE
Dlaczego predykcje nie są rozwiązaniem
Obliczanie wartości CATE za pomocą regresji
Ocena predykcji wartości CATE
Ocena efektu na podstawie kwantyla z modelu
Skumulowany efekt
Skumulowany wzrost
Transformacja celu
Kiedy modele predykcyjne są dobre w porządkowaniu efektów?
Krańcowo malejące zwroty
Wyniki binarne
Wykorzystanie wartości CATE do podejmowania decyzji
Najważniejsze zagadnienia
7. Systemy metauczące
Systemy metauczące dla oddziaływania dyskretnego
T-learner
X-learner
Systemy metauczące dla oddziaływania ciągłego
S-learner
Podejście DDML
Najważniejsze zagadnienia
Część IV. Dane panelowe
8. Metoda różnicy w różnicach
Dane panelowe
Kanoniczna postać metody różnicy w różnicach
Różnica w różnicach ze wzrostem wyniku
Obliczanie różnicy w różnicach na podstawie błędu średniokwadratowego
Różnica w różnicach z efektami stałymi
Wiele przedziałów czasowych
Wnioskowanie
Założenia związane z identyfikacją
Trendy równoległe
Założenie o braku antycypacji i założenie o stabilnej wartości jednostki oddziaływania
Ścisła egzogeniczność
Brak czynników zakłócających zmiennych w czasie
Brak sprzężenia zwrotnego
Brak efektu przeniesienia i brak przesuniętej w czasie zmiennej zależnej
Dynamika efektu w czasie
Metoda różnicy w różnicach ze zmiennymi towarzyszącymi
Podwójnie odporna wersja metody różnicy w różnicach
Model oparty na wskaźniku skłonności
Model zmiany wyników
Łączenie wszystkich elementów
Stopniowe wprowadzanie oddziaływania
Niejednorodność efektu w czasie
Zmienne towarzyszące
Najważniejsze zagadnienia
9. Metoda syntetycznej kontroli
Zestaw danych dotyczących marketingu internetowego
Reprezentacja macierzowa
Metoda kontroli syntetycznej jako regresja pozioma
Kanoniczna wersja metody kontroli syntetycznej
Metoda kontroli syntetycznej ze zmiennymi towarzyszącymi
Eliminowanie błędu systematycznego w metodzie kontroli syntetycznej
Wnioskowanie
Metoda syntetycznej różnicy w różnicach
Jeszcze o metodzie różnicy w różnicach
Jeszcze o metodzie syntetycznej kontroli
Szacowanie wag związanych z czasem
Metoda syntetycznej kontroli i metoda różnicy w różnicach
Najważniejsze zagadnienia
Część V. Inne projekty eksperymentów
10. Eksperymenty geograficzne i eksperymenty z przełączaniem oddziaływania
Eksperymenty geograficzne
Projektowanie z syntetyczną grupą kontrolną
Próba z losową grupą jednostek poddanych oddziaływaniu
Wyszukiwanie losowe
Eksperyment z przełączaniem oddziaływania
Potencjalne wyniki dla sekwencji
Szacowanie stopnia efektu przeniesienia
Szacowanie oparte na projekcie
Optymalny projekt eksperymentów z przełączaniem oddziaływania
Odporna wariancja
Najważniejsze zagadnienia
11. Niezgodność ze schematem przydziału oddziaływania i zmienne instrumentalne
Niezgodność
Rozszerzanie notacji potencjalnych wyników
Założenia związane z identyfikacją zmiennych instrumentalnych
Pierwszy etap
Postać zredukowana
Dwuetapowa metoda najmniejszych kwadratów
Błąd standardowy
Dodatkowe zmienne kontrolne i instrumentalne
Ręczne stosowanie dwuetapowej metody najmniejszych kwadratów
Implementacja macierzowa
Projekt z nieciągłością
Założenia w projekcie z nieciągłością
Efekt zamiaru oddziaływania
Oszacowanie zmiennej instrumentalnej
Skupiska wartości
Najważniejsze zagadnienia
12. Dalsze kroki
Odkrywanie relacji przyczynowych
Sekwencyjne podejmowanie decyzji
Przyczynowe uczenie ze wzmacnianiem
Prognozowanie przyczynowe
Adaptacja domeny
Uwagi końcowe
Skorowidz
Opinie
Na razie nie ma opinii o produkcie.