重复观察性研究中的因果推断：以eBay产品发布为例
应用统计
2015-09-15 v1
摘要
观察性研究中的因果推断是出了名的困难，因为实验者不掌控处理分配机制。在此类情景中存在许多潜在混杂因素(PCFs)，若欲估计处理对响应的因果效应，则需控制这些因素。给定单一观察性研究，识别所有相关PCFs可能困难（或不可能）。相反，我们认为如果能在一个较长时间段内观察到一系列相似处理，便可识别出实验受试者中与感兴趣响应相关的行为模式，并直接控制这些模式。具体地，在我们的案例研究中，我们发现并控制了一种早期采用者效应：即响应大小与受试者在处理发布后多快采用该处理高度相关的情景。我们提供了一种灵活的分层贝叶斯框架，在多重顺序处理效应分析中控制此类早期采用者效应。这些方法在涉及eBay公司的产品更新（同一产品的较新版本）的详细案例研究中被提出和评估。我们的研究中的用户自愿且在自定时机升级（或不升级）到新产品版本。我们的响应变量是用户行为的度量，我们研究了一年内eBay目标子类中大量用户（n = 10.5 million）的行为。我们发现(a)朴素的因果估计极具误导性，且(b)我们的方法对建模假设相对不敏感并展现出良好的样本外预测验证，产生了合理的因果估计，为eBay提供了稳定的决策基础。
引用
@article{arxiv.1509.03940,
title = {Causal Inference in Repeated Observational Studies: A Case Study of eBay Product Releases},
author = {Vadim von Brzeski and Matt Taddy and David Draper},
journal= {arXiv preprint arXiv:1509.03940},
year = {2015}
}