一个python库,其中包含在感兴趣的处理是连续的情况下使用观测数据执行因果推断的工具。
causal-curve的Python项目详细描述
因果曲线
Python工具,当感兴趣的处理是连续的时,使用观察数据执行因果推断。在
在
The Antikythera mechanism,一台古老的模拟计算机,有许多漂亮的曲线。在
目录
概述
当你感兴趣的干预是二进制的时候,有很多实现的方法来执行因果推理, 但是很少有方法可以处理连续治疗。在
这是不幸的,因为在很多情况下(在工业和研究中),这些方法是有用的。 例如,当您希望:
- 估计一个产品在大范围内涨价或降价的因果反应。在
- 了解每周有氧运动的分钟数是如何对健康产生积极影响的。在
- 在控制混杂效应后,估计减少订单等待时间对客户满意度的影响。在
- 估计邻里收入不平等的变化(基尼指数)与邻里犯罪率之间的因果关系。在
这个库试图解决这个差距,提供工具来估计因果曲线(又名因果剂量-反应曲线)。 连续和二元结果都可以根据连续治疗进行建模。在
安装
可通过PyPI获得:
pip install causal-curve
您还可以通过克隆存储库获得因果曲线的最新版本:
git clone -b master https://github.com/ronikobrosly/causal-curve.git
cd causal-curve
pip install .
文件
Documentation is available at readthedocs.org
贡献
欢迎您的帮助!请联系或创建一个特色分支!在
引文
Kobrosly,R.W.,(2020年)。因果曲线:一个Python因果推理包,用于估计因果剂量反应曲线。《开放源码软件杂志》,5(52),2523,https://doi.org/10.21105/joss.02523
参考文献
Galagate,D.《持续治疗和结果的因果推理:替代方案》 参数剂量响应函数的估计及其应用。博士论文,2016年。在
穆迪E和斯蒂芬斯·达。剂量反应函数的估算 纵向数据使用广义倾向评分。In:统计方法 医学研究21(2),2010年,149-166页。在
平野K和Imbens GW。连续治疗的倾向评分。 在:Gelman A和Meng XL(eds)应用贝叶斯建模和因果推理 从不完整的数据角度来看。英国牛津:威利,2004年,第73-84页。在
范德拉安MJ和Gruber S.合作的双强悍惩罚目标 最大似然估计。国际生物统计学杂志6(1),2010。在
范德拉安MJ和鲁宾D。目标是最大似然学习。地址:加州大学伯克利分校 生物统计学工作文件系列,2006年。在
Imai K.,Keele L.,Tingley D.《因果中介分析的一般方法》。心理学 方法。15(4),2010年,第309-334页。在
- 项目
标签: