因果推断（五）基于谷歌框架Causal Impact的因果推断

除了传统的因果推断外，还有一些机器学习框架可以使用，本文介绍来自谷歌框架的Causal Impact。该方法基于合成控制法的原理，利用多个对照组数据来构建贝叶斯结构时间序列模型，并调整对照组和实验组之间的大小差异后构建综合时间序列基线，最终预测反事实结果。

CausalImpact适用于时间序列在干预后的效果评估，例如某功能上线后是否提升了用户活跃。本文参考自CausalImpact 贝叶斯结构时间序列模型、tfcausalimpact官网示例。

准备数据

# pip install tfcausalimpact

import tensorflow as tf
from causalimpact import CausalImpact
import pandas as pdtf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR) # 忽略tf警告信息

以下数据如果有需要的同学可关注公众号HsuHeinrich，回复【因果推断05】自动获取～

# 读取数据
data = pd.read_csv('arma_data.csv')
data.iloc[70:, 0] += 5 # 手动增加y值。构造提升效果
data.head()

数据格式：

• 第一列为因变量，后面为协变量，例如本立中的y和X。

• 数据需要标准化处理，可参考官方示例

• # causalimpact.misc.standardize标准化
  import numpy as np
  import pandas as pd
  import pytest
  import tensorflow as tf
  import tensorflow_probability as tfp
  from numpy.testing import assert_array_equal
  from pandas.util.testing import assert_frame_equalfrom causalimpact import CausalImpact
  from causalimpact.misc import standardizedata = pd.read_csv('tests/fixtures/btc.csv', parse_dates=True, index_col='Date')
  training_start = "2020-12-01"
  training_end = "2021-02-05"
  treatment_start = "2021-02-08"
  treatment_end = "2021-02-09"
  pre_period = [training_start, training_end]
  post_period = [treatment_start, treatment_end]pre_data = rand_data.loc[pre_int_period[0]: pre_int_period[1], :]
  # 标准化
  normed_pre_data, (mu, sig) = standardize(pre_data)
  

  # 自定义标准化 x-mu/sigma
  normed_my_data = (pre_data - mu) / sig # 伪代码
  # 定义model_args参数
  model_args == {'fit_method': 'hmc', 'niter': 1000, 'prior_level_sd': 0.01,  'season_duration': 1, 'nseasons': 1, 'standardize': True}
  

	y	X
0	118.188694	99.795292
1	120.233276	100.663180
2	118.627775	98.883699
3	119.609722	100.448941
4	121.391508	101.561734

模型拟合

# 分析报告
pre_period = [0, 69] # 干预前时期
post_period = [70, 99] # 干预后时期ci = CausalImpact(data, pre_period, post_period)
print(ci.summary())
ci.plot()

Posterior Inference {Causal Impact}Average            Cumulative
Actual                    125.23             3756.86
Prediction (s.d.)         120.23 (0.33)      3606.76 (9.97)
95% CI                    [119.58, 120.89]   [3587.5, 3626.57]Absolute effect (s.d.)    5.0 (0.33)         150.11 (9.97)
95% CI                    [4.34, 5.65]       [130.3, 169.36]Relative effect (s.d.)    4.16% (0.28%)      4.16% (0.28%)
95% CI                    [3.61%, 4.7%]      [3.61%, 4.7%]Posterior tail-area probability p: 0.0
Posterior prob. of a causal effect: 100.0%For more details run the command: print(impact.summary('report'))

• Causal Impact报告
  • 实验最终的平均预测值（prediction）为120.34，平均实际值（actual）为125.23；而累计预测值3610.16，累计实际值3756.86；这里的平均数据范围就是上述虚线之后（干预后）的时间段
  • 经过MCMC估计指标绝对效应（absolute effect）平均增长4.89，累计增长146.71；相对比率（relative effect）平均增长4.06%，累计增长4.06%
• Causal Impact图
  • 第一张图（original）黑色实线为干预前后的实际结果，橙色虚线为模拟的策略未上线时的结果。阴影为置信区间
  • 第二张图（pointwise）橙色虚线为策略前后y的差值，可以看到策略上线后，y差值是显著为正的。
  • 第三张图（cumulative）橙色虚线为策略上线后的累加值，是持续增大的，可见策略有明显的正向作用。

# 打印详细报告
print(ci.summary(output='report'))

• 也可以用时间序列+多元变量

  数据格式：

  • 第一列为因变量，后面为协变量，例如本立中的CHANGED和[NOT_CHANGED_1、NOT_CHANGED_2、NOT_CHANGED_3]
  • 数据需要标准化处理，同上

# 读取数据
data = pd.read_csv('comparison_data.csv', index_col=['DATE'])
data.head()

	CHANGED	NOT_CHANGED_1	NOT_CHANGED_2	NOT_CHANGED_3
DATE
2019-04-16	83836.5	85642.5	86137.5	81241.5
2019-04-17	83887.5	86326.5	85036.5	80877.0
2019-04-18	82662.0	87456.0	84409.5	80910.0
2019-04-19	83271.0	89551.5	87568.5	82150.5
2019-04-20	84210.0	90256.5	86602.5	83083.5

pre_period = ['2019-04-16', '2019-07-14']
post_period = ['2019-7-15', '2019-08-01']ci = CausalImpact(data, pre_period, post_period, model_args={'fit_method': 'hmc'}) # model_args参数提高精度，牺牲效率
print(ci.summary())
ci.plot()

# 打印详细报告
print(ci.summary(output='report'))

总结

这里的分享较为浅显，就当是一种冷门数据分析方法的科普吧，如果想深入了解的同学可自行查找资源进行充电～

共勉～