TL;DR
Корреляция ≠ причинность. Без рандомизации любое сравнение смещено из-за confounders, selection bias и interference. Квазиэксперименты — набор приёмов, каждый со своими допущениями.
Каузальный эффект = Y₁ − Y₀ для одного юнита, но мы наблюдаем только один потенциальный исход. A/B-тест решает это через рандомизацию: группы в среднем одинаковы. Без рандомизации нужны допущения.
| Угроза | Суть | Пример |
|---|---|---|
| Confounders | Фактор влияет и на treatment, и на outcome | Мотивированные пользователи чаще используют фичу и чаще покупают |
| Selection bias | Группы систематически различаются до treatment | Регионы с высоким доходом раньше получают новый продукт |
| SUTVA | Outcome юнита зависит от treatment других | Промокод для друзей меняет поведение и контрольной группы |
| Interference / spillover | Treatment "перетекает" между группами | Маркетплейс: изменение комиссии у продавцов меняет поведение покупателей |
| Anticipation | Субъекты реагируют до формального treatment | Объявление о повышении комиссии — продавцы меняют поведение заранее |
Для каждого юнита i существуют два потенциальных исхода: Y_i(1) при treatment и Y_i(0) без. Наблюдаем только один. ATE = E[Y(1) − Y(0)]. ATT = E[Y(1) − Y(0) | D=1]. Рандомизация делает {Y(0), Y(1)} ⊥ D. Квазиэксперименты достигают этого условно: ⊥ | X, или ⊥ | Z, или ⊥ в окрестности порога.