潜在结果框架

概述

潜在结果框架（Rubin 因果模型）是因果推断的两大范式之一，通过比较同一单位在接受和未接受处理时的潜在结果来定义因果效应。

核心概念：对于每个单位（如用户），存在两个潜在结果——接受处理（如被推荐某物品）时的结果 $Y(1)$ 和未接受处理时的结果 $Y(0)$。因果效应定义为两者之差 $Y(1) - Y(0)$。
根本问题：对于任何个体，我们只能观测到其中一个潜在结果（要么被推荐，要么未被推荐），另一个永远不可观测。这就是"因果推断的根本问题"。
与推荐系统的映射：
单位 → 用户
处理 → 推荐某物品
潜在结果 $Y(1)$ → 用户被推荐该物品后的反馈
潜在结果 $Y(0)$ → 用户未被推荐该物品时的反馈
倾向性评分的作用：在潜在结果框架下，倾向性评分 $P(T=1|X)$ 是在给定协变量 $X$ 的条件下接受处理的概率。通过倾向性评分匹配或加权，可以构建可比的处理组和对照组。
在推荐系统中的应用：Tobias Schnabel 等人的 Recommendations as Treatments 工作属于潜在结果框架。通过 IPS 加权，从观测数据中估计推荐策略的平均因果效应。
与结构因果模型的对比：潜在结果框架侧重于个体层面的因果效应定义和估计；结构因果模型侧重于通过因果图建模变量间的因果结构。两者在数学上等价，但提供了不同的分析视角。