[Causal Inference 2023] Week 2-2. Assumption of Potential Outcome Framework

SUTVA (Stable Unit Treatment Value Assumption)

여기서 한가지 가정은, potential outcome with treatment 는 observed outcome with treatment가 같아야 한다. = consistency

통계적 consistency는 샘플 수가 많아질수록 consist한걸 말하는데 여기서 말하는 consistency랑은 다름

특히나 consistency에는 원인 변수에 대한 조작이 중요. 조작이 불가능하다면 어떤 문제가 있을까? 비만상태가 건강에 미치는 영향을 본다면, 비만O, 비만 X 일때 비교해야하는데, 이때 비만의 원인이 정말 많을 수 있음. ex. 지병, 운동부족, 불규칙한 식습관 등.. 각자 다 다를 것임. 각자 원인에 따라 나올 수 있는 health outcome은 다를 수 있다는 것임. 조작 가능하고 이에 따른 counterfactual과 potential outcome을 명확히 정의하는것이 counterfactual consistency에서 가장 중요.

+ 무작위 추첨을 예시로 들자, 옆집은 treatment에 선정됨 하지만 나는 당첨이 안되서 control 그룹에 있음. 이때 나는 간접적으로 이웃집이 treatment 그룹으로 배정받은게 너무 배가 아픔. 어쨋든 간접적으로 영향을 받았다는 것임. 이것이 바로 interference! 따라서 NO INTERFERNCE 또한 중요.

 

ATT vs. ATU vs. ATE 차이

이해가 안가요...