样本观测效应：枚举、随机化与泛化

广泛使用的因果效应“反事实”定义是为了无偏性和准确性而推导的，而非为了泛化性。我们提出了干预效应外部效度（EV）的组合定义。我们首先定义了效应观测“背景”的概念。然后，我们基于样本的（观测和未观测）背景集合，制定了效应泛化的条件。这揭示了效应泛化的两个极限：（1）当一个变量的效应在所有可枚举的背景下被观测到时，或者（2）当背景已充分随机化时。我们使用由此产生的组合框架重新审视了原始反事实表述中的几个问题：样本外效度、多重效应的并发估计、偏差-方差权衡、统计功效，以及与当前预测和解释技术的联系。在方法论上，这些定义还允许我们用非实验样本中的组合枚举和随机化问题，来取代继反事实定义之后的参数估计问题。我们使用由此产生的非参数框架，展示了流行的监督、解释和因果效应估计器在性能上的（外部效度、无混杂性和精度）权衡。我们还说明了该方法如何在非独立同分布（non-i.i.d.）样本中使用监督和解释方法。COVID19 疫情凸显了提供学习解决方案以在严重不完整样本中进行预测的需求。我们展示了在这个紧迫问题中的应用。