因果推断入门长文：建模前必懂的假设清单

2026年9月30日，AGI Hunt 报道，因果推断教程作者 raheem nasirudeen 发布一篇入门长文，提出数据本身没有智能，建模前必须先思考。文章从随机对照试验（RCT）出发，说明因果推断的目标是让观测数据逼近 RCT 的识别条件，并区分横截面、面板、时变混杂等数据类型。文章还梳理了 Rubin 与 Pearl 框架下的关键假设，包括无混杂、后门准则、正则性、模块化假设、SUTVA、一致性、平行趋势等，供使用观测数据估计处理效应的实践者逐项检查。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。