因果森林 (Causal Forest)

概述

因果森林是一种基于随机森林的非参数方法，用于估计异质性处理效应（Heterogeneous Treatment Effects, HTE）。它由 Susan Athey 和 Guido Imbens 等人提出，能够识别不同个体特征下处理变量对结果变量的差异化影响。

核心原理

1. 双重机器学习框架：通过残差化消除混淆变量影响
2. 自适应分割：在构建树时优先选择能最大化处理效应异质性的特征分割点
3. 诚实估计：将样本分为训练集和估计集，避免过拟合

适用场景

• 医疗领域：评估药物对不同患者亚群的效果差异
• 市场营销：分析促销活动对不同类型用户的转化影响
• 政策评估：研究教育干预对不同背景学生的效果

优势特点

• 无需预设函数形式
• 自动捕捉高阶交互效应
• 提供统计推断所需的方差估计
• 可解释性强（支持特征重要性分析）

结果展示说明

输入数据示例

当运行 main.py 时，程序会自动生成包含以下结构的模拟数据：

• 特征矩阵 X：1000 个样本 × 5 个特征（均匀分布）
• 处理变量 T：二元变量（0/1，伯努利分布）
• 结果变量 Y：根据真实因果效应公式生成

预期输出内容

执行后将依次显示：

1. 个体处理效应预测

前 5 个样本的个体处理效应预测值: 样本 0: ITE = 1.8723 样本 1: ITE = -2.9415 样本 2: ITE = 0.6389 样本 3: ITE = -1.2047 样本 4: ITE = 2.1568
（数值因随机种子固定而可复现）

2. 平均处理效应汇总

平均处理效应 (ATE): 0.0421
该值接近理论期望值 0（因为真实效应在总体中均值为 0）

结果解读

• 正 ITE 值表示该样本接受处理会带来正向收益
• 负 ITE 值表示处理可能产生负面影响
• ATE 接近 0 说明整体处理效果不显著，但存在显著的异质性效应
• 特征 0 和特征 1 将被识别为最重要的效应调节变量