インストゥルメンタル変数の理解
「インストゥルメンタル変数の理解のポイント」
原因性データサイエンス
治療をランダムに割り当てることができない場合の因果効果の推定方法
A/Bテストは、最小限の仮定の下で正当な因果関係の声明を行うことができるため、因果推論のゴールドスタンダードです。なぜなら、ランダムな割り当て（薬物、広告、製品などの）により、興味のある結果（病気、会社の収益、顧客満足度など）を患者、利用者、顧客などの対象者間で比較し、平均の結果の違いを治療の因果効果に帰属することができるからです。
ただし、倫理、法的、または実用的な理由で治療をランダムに割り当てることができない場合は、多くの状況では不可能です。オンデマンドの特性（購読やプレミアムメンバーシップなど）が一般的なオンラインの設定です。他の設定には、顧客を識別することができない特性（保険契約など）や、実験の努力に値しないほど深くハードコードされた特性などがあります。これらの設定で依然として有効な因果推論を行うことはできるでしょうか？
その答えは、儀器変数と対応する実験設計である奨励設計のおかげで、はいとなります。上記で挙げた多くの設定では、治療をランダムに割り当てることはできませんが、顧客がそれを受けるように促すことはできます。例えば、定期購読割引を提供したり、オプションの提示順序を変更したりすることができます。顧客が最終的に治療を受けるかどうかにかかわらず、因果的な治療効果を推定することができます。では、具体的に見てみましょう。
定期購読プログラムの評価
記事の残りでは、おもちゃの例を使用します。製品会社として、製品や機能のアップデートを促進するために週刊ニュースレターを開始しました。ニュースレターが努力に値するのか、また売上を増やすことで最終的に成功するのかを理解したいと考えています。残念ながら、ニュースレターに購読することを顧客に強制することはできないため、標準のA/Bテストを実施することはできません。それはニュースレターを評価できないことを意味するのでしょうか？まったくそうではありません。
仮定してみましょう。モバイルアプリでの新しい通知についてもA/Bテストを実施したとします。顧客のランダムなサンプルが…
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
