因果推論と機械学習 その1

因果推論は古くからある手法のようですが、現代では機械学習と結びついて発展しているようです。
あらためて、それらの関連用語を整理します。

1. 基本用語

Terms	用語	記号	意味
Treatment	処置	T	処置群か対照群かを示す二値変数（1: 処置群, 0: 対照群）
Outcome	結果	Y	目的変数
Covariates / Features	共変量・特徴量	X	説明変数
CATE; Conditional Average  Treatment Effect	条件付き平均処置効果	τ(X)	共変量 X が与えられた場合の平均処置効果
Average Treatment Effect	平均処置効果	ATE	集団全体の平均的な処置効果
Propensity Score	傾向スコア	e(X)= P(T=1|X)	処置を受ける確率
Potential Outcome	潜在的結果	Y(t)	ある個人が、各処置状態t（例: t=0,1）をもし受けていた ならば観測されるであろう結果。各個人は、Y(0)とY(1)の 両方の潜在的結果を持つと仮定する。
Counterfactual	反事実	Y(１－T)	ある個人が実際に受けた処置Tとは異なる処置1−T を受け ていたならば観測されたであろう、実際には観測されて いない方の潜在的結果。
Imputed Treatment Effect	補完された効果	d₀, d₁	観測されなかった反事実を推定・補完することで得られる、 処置効果の推定値。特にX-Learnerで用いられる概念を指す。
Response Function	応答関数	μ(·)	共変量 X と処置 T の関数として、結果 Y の条件付き期待値を モデル化する関数。
Expectation	期待値	E[·]	確率変数の平均値
Conditional Expectation	条件付き期待値	E[Y|条件]	ある条件下での結果の平均値
DR pseudo-outcome	DR擬似効果	ṫ(X)	DR推定量に基づくCATE学習用の擬似ラベル
Residual	残差	ε	予測値と実測値の差