老王有高血压，家庭医生小李想给他开一种新降压药。药厂资料显示，平均来说这种药能把血压降 12mmHg。但老王关心的不是“平均”，而是“对我，到底能降多少？”——他不可能同时既吃药又不吃药，于是医生只能凭借“和他相似的患者”的数据来猜。猜得再准也毕竟是猜：样本只代表一部分人、模型有取舍、血压本来每天都在波动。聪明的医生不会只说“预计降 12”，而是会补一句：“有 95% 的把握，降幅在 8 到 16 之间。”这句“8 到 16”就是效应置信区间。这篇文章将带你弄懂：如何为个体处理效应估计搭建这样一圈“护栏”，用 Bootstrap 重采样和影响函数两大工具量化不确定性，让个性化决策在可控风险下落地。

岗位关联

学完本节，你将理解为什么单点估计远远不够：为个体处理效应配上置信区间，是评估 AI 系统可靠性的核心能力，也是因果推断从论文走向高风险业务决策的通行证。

目录
  1. 可视化演示
  2. 因果效应估计
  3. 不确定性来源
  4. 置信区间基础
  5. Bootstrap方法
  6. 影响函数法
  7. 决策与落地
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示Bootstrap重采样构建CATE置信区间、影响函数渐近分布推导、覆盖率评估校准及CI跨零风险决策的完整流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

效应置信区间 Bootstrap：B次有放回重采样构建CATE分布 影响函数：von Mises展开近似渐近分布 覆盖率：实际覆盖比例校准名义水平 风险决策：CI跨零时效应方向不确定 区间宽度与样本量平方根成反比

因果效应估计

老王坐在诊室里，血压计刚报出 158/96。医生小李手里攥着一盒新降压药，心里盘算：这药对老王到底能降多少？药厂临床试验只告诉他“平均降 12”，可老王不是“平均人”——他有糖尿病史、每天喝两杯咖啡、体重超标。个体效应，从来不是均值能回答的问题。

因果推断把“给老王吃药后血压是多少”记为 $Y(1)$，把“老王没吃药时血压是多少”记为 $Y(0)$，这两个潜在结果的差就是个体处理效应。问题是老王没法同时既吃药又不吃药，$Y(0)$ 永远缺一半，这就是统计里的“反事实缺口”——就像你永远不能把同一场人生过两遍，看看另一条路通向哪里。

应对之策是用相似人群的数据来“补完”。最简单的 T-Learner 分别训练两个模型：处理组模型 $\hat{\mu}_1$ 预测“吃药后的血压”，对照组模型 $\hat{\mu}_0$ 预测“不吃药的血压”，然后把老王特征分别代入两者作差：

医生等于借了“另一个世界的老王”的病历，拼凑出一个估计值。这个 $\hat{\tau}_i$ 是他目前的最佳猜测，但也仅仅是猜测——接下来必须追问：猜得有多准？

τ^i=μ^1(Xi)−μ^0(Xi)\boxed{\hat{\tau}_i = \hat{\mu}_1(X_i) - \hat{\mu}_0(X_i)}
  1. 个体特征向量$X_i$ 是老王的身高、体重、年龄、基线血压等可观测特征，也是两个模型的共同输入。
    Xi=(xi1,xi2,…,xid)X_i = (x_{i1}, x_{i2}, \ldots, x_{id})
  2. 处理组结果模型$\hat{\mu}_1(X_i)$ 用“吃过药”的病人数据训练，预测的是老王如果吃了药血压会是多少。
    μ^1(Xi)≈E[Y(1)∣Xi]\hat{\mu}_1(X_i) \approx \mathbb{E}[Y(1) \mid X_i]
  3. 对照组结果模型$\hat{\mu}_0(X_i)$ 用“没吃过药”的病人数据训练，负责填补“老王不吃药”这个反事实。
    μ^0(Xi)≈E[Y(0)∣Xi]\hat{\mu}_0(X_i) \approx \mathbb{E}[Y(0) \mid X_i]
  4. 两者作差同一套特征分别喂给两个模型，输出相减，得到个体处理效应的估计。
    τ^i=μ^1(Xi)−μ^0(Xi)\hat{\tau}_i = \hat{\mu}_1(X_i) - \hat{\mu}_0(X_i)

不确定性来源

小李明白估计不能全信。上次有个病人的数据特别极端，把那份病历删掉，结论就从 12 变成了 9。而且诊所的病历大多是老患者，换成年轻样本，结论会不会又是另一番光景？医生的这些怀疑，在统计学里有个共同的名字——不确定性。

不确定性主要有四个来源：抽样误差，样本只是总体的一小块，换块样本结论就晃；模型偏差，模型漏掉了关键混杂因素，比如老王同时悄悄调整了饮食；数据噪声，血压本身每天有 10mmHg 上下的自然波动；分布偏移，训练数据来自北方城市，老王却住在南方海边。

统计学上把估计误差拆成两项，就像分辨“称重时手抖”和“秤本身就偏”：

方差像血压计的晃动，偏差像血压计没校准。Bootstrap 和影响函数这两味药，主要对付“晃动”——把随机波动圈出一个范围；而减少“没校准”，得靠更好的模型和更全的数据。两件事不能混为一谈。

τ^i−τi=(τ^i−E[τ^i])⏟方差项+(E[τ^i]−τi)⏟偏差项\boxed{\hat{\tau}_i - \tau_i = \underbrace{\big(\hat{\tau}_i - \mathbb{E}[\hat{\tau}_i]\big)}_{\text{方差项}} + \underbrace{\big(\mathbb{E}[\hat{\tau}_i] - \tau_i\big)}_{\text{偏差项}}}
  1. 估计总误差估计值减真实值，代表整体“猜得不准”的程度。
    τ^i−τi\hat{\tau}_i - \tau_i
  2. 方差项换一批样本重复估计时，估计值本身的波动幅度，对应抽样误差与数据噪声。
    τ^i−E[τ^i]\hat{\tau}_i - \mathbb{E}[\hat{\tau}_i]
  3. 偏差项模型系统性偏离真实值的程度，对应模型偏差与分布偏移。
    E[τ^i]−τi\mathbb{E}[\hat{\tau}_i] - \tau_i

置信区间基础

小李决定给结论加个护栏：“老王，有 95% 的把握，这药对你能降 8 到 16。”这个范围不是拍脑袋，它来自一个精巧的统计构造——置信区间。把它想成射箭：点估计是箭落的位置，置信区间是靶上画出的环带，环带越窄，说明你对这一箭越有把握。

置信区间长得像“中心 ± 波动 × 倍数”，其中中心是点估计，波动是标准误（估计值的抽样波动幅度），倍数是置信水平决定的临界值：

注意频率学视角下，真值是固定常数，随机的是区间：如果这个实验反复做很多次，每次算一个区间，大约 95% 的区间会套住真实效应。对眼前这组数据算出的 [8,16]，不能拍胸脯说“真值有 95% 概率在里面”——那是另一套贝叶斯语言。如果区间跨过 0，医生会摊手：“证据不足，先观察。”

CI1−α=τ^i±z1−α/2×SE^(τ^i)\boxed{\text{CI}_{1-\alpha} = \hat{\tau}_i \pm z_{1-\alpha/2} \times \widehat{\text{SE}}(\hat{\tau}_i)}
  1. 点估计中心对老王效应值的最佳猜测，即前面 T-Learner 算出的降幅。
    τ^i\hat{\tau}_i
  2. 标准误估计值的抽样波动幅度，样本越多、噪声越小，它就越小。
    SE^(τ^i)\widehat{\text{SE}}(\hat{\tau}_i)
  3. 临界值标准正态分布的分位数，置信水平 95% 时取约 1.96。
    z1−α/2=z0.975≈1.96z_{1-\alpha/2} = z_{0.975} \approx 1.96
  4. 加减组合中心向左右各扩一个“标准误的倍数”，得到区间的下界与上界。
    τ^i±z1−α/2×SE^(τ^i)\hat{\tau}_i \pm z_{1-\alpha/2} \times \widehat{\text{SE}}(\hat{\tau}_i)

Bootstrap方法

标准误从哪来？小李手上只有一份病历库，不可能真的再去全市抽 100 次样本。Bootstrap 的办法很朴素：把这份病历库当成“迷你世界”，每次有放回地抽 100 份，算一次效应；把牌洗上一千遍，就模拟出“换样本”时估计值的波动。

有放回抽样的意思是同一份病历可能被抽到多次、也可能一次都不出现。每一个重采样数据集都像“平行宇宙里的一份病历库”，用它的效应估计值画一条竖线；一千条竖线散开成一座小山，这座小山的形状就逼近真实的抽样分布：

小李在病历库里洗了一千次牌，看着一千个“老王效应”散成一座小山。山脚下 2.5% 和 97.5% 的位置，就是他的信心边界——从此他说“8 到 16”时，背后站着整整一千次模拟实验。

τ^i(b)=μ^1(b)(Xi)−μ^0(b)(Xi),b=1,2,…,B\boxed{\hat{\tau}_i^{(b)} = \hat{\mu}_1^{(b)}(X_i) - \hat{\mu}_0^{(b)}(X_i), \quad b = 1, 2, \ldots, B}
CIboot=[  τ^i,(⌊Bα/2⌋),  τ^i,(⌈B(1−α/2)⌉)  ]\boxed{\text{CI}_{\text{boot}} = \left[\; \hat{\tau}_{i,(\lfloor B\alpha/2\rfloor)},\; \hat{\tau}_{i,(\lceil B(1-\alpha/2)\rceil)} \;\right]}
  1. 第 b 次重采样估计从原始数据有放回抽出第 b 个数据集，重训两个模型后作差。
    τ^i(b)=μ^1(b)(Xi)−μ^0(b)(Xi)\hat{\tau}_i^{(b)} = \hat{\mu}_1^{(b)}(X_i) - \hat{\mu}_0^{(b)}(X_i)
  2. 重复 B 次通常取 B = 1000 或更大，得到一大批估计值。
    b=1,2,…,Bb = 1, 2, \ldots, B
  3. 排序取分位把 B 个估计值从小到大排序，取 $\alpha/2$ 和 $1-\alpha/2$ 分位作为区间两端，95% 区间就是去掉最左最右各 2.5%。
    [  τ^i,(⌊Bα/2⌋),  τ^i,(⌈B(1−α/2)⌉)  ]\left[\; \hat{\tau}_{i,(\lfloor B\alpha/2\rfloor)},\; \hat{\tau}_{i,(\lceil B(1-\alpha/2)\rceil)} \;\right]

影响函数法

Bootstrap 什么都好，就是贵：每抽一次样就要重训一遍模型，一千次就是一千遍训练。小李心想，能不能不动手重采样，直接从数学上算出“每个样本对结论的影响有多大”？这就是影响函数出场的时候。

影响函数衡量的是：如果某个样本的权重被极其微小地拨动一点点，估计量会跟着动多少。所有样本的影响值平方求和，就能得到估计量的方差。它本质是一阶泰勒展开的产物——就像用放大镜看每个样本的手劲，把“每只手的拉力”汇总成整体晃动幅度：

影响函数像医生做“敏感性排查”：把每份病历从档案中轻轻抽动一毫米，看结论晃不晃。晃得厉害的病历，要么是极其宝贵的信息，要么是可疑的离群点。相比 Bootstrap 的千次重训，它一遍算完，效率高出一个数量级，代价是“局部近似”在大样本下才足够精确。

IF^(Zj)=lim⁡ε→0τ^i(ε,j)−τ^iε\boxed{\widehat{\text{IF}}(Z_j) = \lim_{\varepsilon\to 0} \frac{\hat{\tau}_i^{(\varepsilon, j)} - \hat{\tau}_i}{\varepsilon}}
V^=1n2∑j=1nIF^(Zj)2\boxed{\hat{V} = \frac{1}{n^2} \sum_{j=1}^{n} \widehat{\text{IF}}(Z_j)^2}
  1. 影响函数定义给样本 $j$ 的权重加一个微小扰动 $\varepsilon$，观察估计量变化多少，取极限就是该样本的影响函数。
    IF^(Zj)=lim⁡ε→0τ^i(ε,j)−τ^iε\widehat{\text{IF}}(Z_j) = \lim_{\varepsilon\to 0} \frac{\hat{\tau}_i^{(\varepsilon, j)} - \hat{\tau}_i}{\varepsilon}
  2. 方差估计把所有样本的影响函数平方求和再除以 $n^2$，得到估计量的方差。
    V^=1n2∑j=1nIF^(Zj)2\hat{V} = \frac{1}{n^2} \sum_{j=1}^{n} \widehat{\text{IF}}(Z_j)^2
  3. 标准误与区间对方差开方得到标准误，代回普通置信区间公式即可。
    SE^=V^,CI=τ^i±z1−α/2V^\widehat{\text{SE}} = \sqrt{\hat{V}}, \qquad \text{CI} = \hat{\tau}_i \pm z_{1-\alpha/2} \sqrt{\hat{V}}

决策与落地

有了区间，小李跟老王说话的方式彻底变了。临床指南说“至少降 5 才算有意义的疗效”。老王药物的 95% 区间是 [8,16]，下限都超过 5，开药没有悬念；隔壁老张的区间是 [-2,6]，跨过了阈值，小李决定先观察三个月再定。区间把“模糊的直觉”变成了“可执行的规则”：

同样的三段式逻辑遍布真实业务：营销里只有“增量区间下限 > 0”的用户才值得发券；推荐系统里“效应区间全为负”的用户要重点保护；医保控费里“高成本且低把握”的方案要拦截。从点估计到区间，是从“自以为知道”走向“诚实地知道自己的无知”——这正是可信 AI 的底色：模型不仅给出答案，还给出答案的置信边界。

Actioni={治疗if Li>c观察if Li≤c≤Ui不治疗if Ui<c\boxed{\text{Action}_i =\begin{cases}\text{治疗} & \text{if } L_i > c \\\text{观察} & \text{if } L_i \le c \le U_i \\\text{不治疗} & \text{if } U_i < c\end{cases}}
  1. 区间端点$L_i$ 是置信区间下界，$U_i$ 是上界，由点估计和标准误共同决定。
    Li=τ^i−z1−α/2 SE^,Ui=τ^i+z1−α/2 SE^L_i = \hat{\tau}_i - z_{1-\alpha/2}\,\widehat{\text{SE}}, \qquad U_i = \hat{\tau}_i + z_{1-\alpha/2}\,\widehat{\text{SE}}
  2. 疗效阈值 $c$医生判断的最小有临床意义的效应，例如血压至少降 5mmHg。
    c=5 mmHgc = 5\ \text{mmHg}
  3. 三段式决策区间整体在阈值之上→治疗；整体在之下→不治疗；跨越阈值→观察。
    治疗 (Li>c),观察 (Li≤c≤Ui),不治疗 (Ui<c)\text{治疗 } (L_i > c), \quad \text{观察 } (L_i \le c \le U_i), \quad \text{不治疗 } (U_i < c)

AI 应用场景

个性化用药决策

阶段：模型评估与决策辅助

解决的问题：传统用药决策依赖平均处理效应（ATE），医生难以判断“这个药对眼前这位病人是否有效”。AI 用因果森林估计每个患者的个体处理效应，并构造效应置信区间；只有区间下限超过临床最小意义阈值时才推荐用药，避免给无效甚至有害的患者开药。

具体案例：某三甲医院的心内科临床决策支持系统（CDSS），对高血压患者输出的不再是“预计降 12mmHg”这种单点结论，而是“95% 置信区间 [8,16]，下限超过 5mmHg 阈值，建议用药”；区间跨零的患者自动转入人工复核。上线后不合理用药率下降 23%。

营销优惠券的个性化发放

阶段：因果推断与效果评估

解决的问题：盲目全量发券浪费预算，传统 uplift 模型只给一个点估计，无法控制发券的亏损风险。为每个用户“发券 vs 不发券”的增量消费估计加上置信区间，只给区间下限大于零的用户发券，确保预算花在“确定有效”的人身上。

具体案例：某电商平台在双十一前对 2000 万用户估计优惠券的增量效应，用 Bootstrap 构造 95% 区间。区间下限 > 0 的用户仅占 38%，发券预算缩减 45%，整体 ROI 提升 60%。

推荐系统的个体化保护

阶段：实验分析与模型监控

解决的问题：新排序策略对部分用户可能产生负效应，传统 A/B 测试只报告平均指标，掩盖了个体伤害。用影响函数法在历史日志上估计每个用户的效应方差，快速标注出“效应区间完全为负”的高风险用户群。

具体案例：某视频平台新推荐策略上线前，用影响函数法对整个用户群做了一次 O(n) 扫描，识别出效应区间全为负的 2% 重度用户；灰度发布时将这些用户排除，避免了互动率下降。

Python 演示

python44 行
import numpy as npfrom sklearn.ensemble import RandomForestRegressor  def estimate_ite_with_bootstrap_ci(X, W, Y, patient, n_bootstrap=500, alpha=0.05):    """用 T-learner 估计个体处理效应，并用 bootstrap 构造置信区间."""    rng = np.random.default_rng(42)    n = len(Y)    # 全量数据拟合处理组与对照组模型    m1 = RandomForestRegressor(n_estimators=100, random_state=0)    m0 = RandomForestRegressor(n_estimators=100, random_state=0)    m1.fit(X[W == 1], Y[W == 1])    m0.fit(X[W == 0], Y[W == 0])    point = m1.predict(patient)[0] - m0.predict(patient)[0]     boot_ite = []    for _ in range(n_bootstrap):        idx = rng.integers(0, n, size=n)        Xb, Wb, Yb = X[idx], W[idx], Y[idx]        if Wb.sum() < 5 or (1 - Wb).sum() < 5:            continue        b1 = RandomForestRegressor(n_estimators=50, random_state=0)        b0 = RandomForestRegressor(n_estimators=50, random_state=0)        b1.fit(Xb[Wb == 1], Yb[Wb == 1])        b0.fit(Xb[Wb == 0], Yb[Wb == 0])        boot_ite.append(b1.predict(patient)[0] - b0.predict(patient)[0])     lo = np.percentile(boot_ite, 100 * alpha / 2)    hi = np.percentile(boot_ite, 100 * (1 - alpha / 2))    return point, lo, hi  if __name__ == "__main__":    # 模拟: 3 个特征, 是否用药, 血压降幅    rng = np.random.default_rng(7)    n = 600    X = rng.normal(size=(n, 3))    W = rng.binomial(1, 0.5, size=n)    Y = 2 * X[:, 0] + 3 * W - 1.0 * W * X[:, 1] + rng.normal(0, 0.5, size=n)     patient = np.array([[0.5, -1.0, 0.2]])    ite, low, high = estimate_ite_with_bootstrap_ci(X, W, Y, patient)    print("个体处理效应估计: %.2f" % ite)    print("95%% 置信区间: [%.2f, %.2f]" % (low, high))
目的：用 T-Learner 估计单个患者的个体处理效应，并通过 Bootstrap 重采样给出 95% 置信区间。
  1. m1.fit(X[W == 1], Y[W == 1])只用吃药组的数据训练“吃药后血压”模型，对照组同理
  2. point = m1.predict(patient)[0] - m0.predict(patient)[0]两个模型对同一患者的预测差，即效应估计
  3. idx = rng.integers(0, n, size=n)有放回地抽取 n 个样本下标，构成一个重采样数据集
  4. if Wb.sum() < 5 or (1 - Wb).sum() < 5:防止某组样本被抽得太少导致模型无法训练
  5. np.percentile(boot_ite, 100 * alpha / 2)取 2.5% 与 97.5% 分位数，得到 95% 区间端点

常见误区

误区初学者常把“95% 置信区间”理解成“真实效应有 95% 的概率落在这个区间里”，甚至在做汇报时也这样念给业务方听。

正解频率学派里，真实效应是一个固定但未知的常数，随机的是区间。正确的表述是：如果这个实验反复做很多次，每次构造一个区间，那么约 95% 的区间会套住真值。对眼前这一次算出的 [8,16]，不能说真值以 95% 概率在其中——那是贝叶斯可信区间的说法。这有点像渔民撒网：网是随机撒下去的，鱼群位置固定；95% 表示一百次撒网中约 95 次能捞到鱼，而不是“鱼有 95% 概率在网里”。

为何常见：日常语言习惯把“概率”分配给未知参数，而频率学派把随机性分配给区间；加上许多工具和教程口头简化，导致两种框架被混淆。

误区认为 Bootstrap 重采样很神奇，只要有数据就能得到准确的置信区间，模型选错了、变量漏了都不怕。

正解Bootstrap 只重现实有数据的分布，能量化抽样波动（方差项），但无法修复系统性偏差（偏差项）。如果模型漏掉了“老王同时调整饮食”这个混杂因素，那么无论重采样一千次还是一万次，所有估计值都会围绕一个偏掉的中心散布，区间再窄也是“自信地错”。Bootstrap 解决的是“手抖”，不是“秤坏”。

为何常见：“重采样 ≈ 重新做实验”的错觉让学习者高估 Bootstrap 的修复能力，把数据增强与偏差修正混为一谈。

误区两种方法都是在给不确定性定量，既然殊途同归，结果就应该完全一样，随便挑一个用即可。

正解两者在大样本下渐近等价，但机理不同：影响函数基于一阶泰勒近似和渐近理论，计算只需一遍 O(n) 求和，小样本时近似误差可能明显；Bootstrap 是有限样本模拟，更通用更准确，但每个重采样数据集都要重训模型，计算昂贵。实际项目中常见做法是：探索阶段用影响函数快速估算，最终结论用 Bootstrap 复核。

为何常见：教程常并列介绍两种方法，却省略了各自的假设前提，学习者容易忽略“渐近等价”不等于“处处相等”。

误区业务方看到窄窄的区间很兴奋：“不确定性这么小，可以放心上这个方案了。”

正解区间窄只说明抽样波动小（方差小），不代表估计得准（偏差小）。如果模型偏差大、数据分布偏移，窄区间可能是一个“自信的错误”。正确做法是结合业务语义：看区间下限是否超过有意义阈值 c、区间是否覆盖零，同时审视模型假设是否成立。区间宽度是“精度”指标，不是“准确性”指标。

为何常见：人们天然喜欢“结论明确”的画面，窄区间看起来更有说服力，忽视了它可能来自过度自信的模型。

面试题

Q1. 个体处理效应的数学定义是？

单选题 · easy

  • A.处理组与对照组的样本均值之差
  • B.同一人吃药与不吃药的潜在结果之差← 正确答案
  • C.实际观测结果与模型预测结果之差
  • D.吃药后随时间变化的血压下降幅度

答案：B。个体处理效应 $\tau_i = Y_i(1) - Y_i(0)$，是对同一个体的两种潜在结果作差。A 是平均处理效应（ATE），C 是残差，D 是纵向变化，都不涉及“反事实对比”。

Q2. 因果推断中的“反事实缺口”是指？

单选题 · easy

  • A.观察数据里缺少部分关键特征记录
  • B.每个个体只能观测到一种潜在结果← 正确答案
  • C.处理组与对照组的人数不相等
  • D.随机试验中样本流失造成的缺失

答案：B。每个个体要么吃药要么不吃药，另一条路的结局永远观测不到，这就是反事实缺口。A 是特征缺失，C 是样本不平衡，D 是流失偏倚，均非定义本身。

Q3. 频率学派下 95% 置信区间的正确解释是？

单选题 · mid

  • A.真实效应值有 95% 的概率落入区间
  • B.区间内每一个点被覆盖的概率都是 95%
  • C.重复抽样构造的区间约 95% 覆盖真值← 正确答案
  • D.约 95% 的观测样本值落在区间内部

答案：C。频率学派中真值是固定常数，随机的是区间：反复抽样并构造区间，约 95% 的区间会罩住真值。A 是贝叶斯可信区间直觉，B 错误地把概率摊到每个点，D 混淆了置信区间与预测区间。

Q4. Bootstrap 重采样的核心做法是？

单选题 · mid

  • A.从总体中独立抽取一批全新的样本
  • B.从现有数据中有放回抽取同等数量样本← 正确答案
  • C.把数据集按比例划分为训练集和测试集
  • D.利用贝叶斯先验知识合成一批全新样本

答案：B。Bootstrap 把已有样本当作“迷你总体”，每次有放回地抽 n 个样本，重复 B 次。A 是理想抽样但现实中做不到，C 是交叉验证，D 是数据增强，三者都不是 Bootstrap。

Q5. 个体效应估计的不确定性主要来源包括？

多选题 · mid

  • A.抽样误差带来的随机波动← 正确答案
  • B.模型假设错误导致的系统性偏差← 正确答案
  • C.观测数据本身包含的随机噪声← 正确答案
  • D.训练模型时 GPU 算力不足的限制

答案：ABC。抽样误差、模型偏差、数据噪声是三大来源，分别对应方差与偏差项。GPU 算力影响训练速度，属于工程资源问题，不改变估计量的统计性质。

Q6. 影响函数方法相比 Bootstrap 的主要优势是？

单选题 · hard

  • A.完全不依赖任何样本统计假设
  • B.无需反复重训练模型效率更高← 正确答案
  • C.能够自动消除模型的全部偏差
  • D.在任意小样本下都精确无近似

答案：B。影响函数通过一阶泰勒近似直接算方差，只需一遍 O(n) 求和，避开 B 次重采样重训模型。它仍依赖大样本渐近假设，不能消除偏差，小样本下也只是近似。

Q7. 关于置信区间宽度的说法正确的有？

多选题 · mid

  • A.置信水平越高区间通常越宽← 正确答案
  • B.样本量增大通常使区间变窄← 正确答案
  • C.标准误增大会使区间变宽← 正确答案
  • D.点估计变大区间必然变宽

答案：ABC。置信水平 1-α 越高，临界值 z 越大，区间越宽；样本量增大使标准误下降，区间变窄；标准误是区间宽度的直接驱动因素。点估计只是区间的中心，不决定宽度。

Q8. 当效应的 95% 置信区间完全大于零时？

单选题 · hard

  • A.效应肯定为正可直接执行处理
  • B.效应与零无统计显著差异
  • C.还要看下界是否超过有意义阈值← 正确答案
  • D.区间越窄说明效应一定越可靠

答案：C。区间全部大于零说明统计上显著为正，但决策还需看效应是否超过临床或业务的最小有意义阈值 c。直接执行（A）忽略了实际意义，B 与事实相反，D 把精度误当准确性。

Q9. 影响函数在数学上本质是估计量的？

单选题 · extreme

  • A.对样本权重扰动的方向导数← 正确答案
  • B.关于模型损失函数的二阶导数
  • C.置信区间上下界之间的宽度
  • D.个体处理效应的贝叶斯后验均值

答案：A。影响函数定义为 $\lim_{\varepsilon\to0} (\hat{\theta}_{\varepsilon,j} - \hat{\theta})/\varepsilon$，即估计量对样本权重扰动的方向导数。它是一阶泰勒近似的系数，不是二阶导数，更不是区间宽度或贝叶斯后验。

Q10. 哪些场景应使用个体处理效应的置信区间？

多选题 · easy

  • A.决定是否给特定患者开具处方药← 正确答案
  • B.评估个性化优惠券发放的预算风险← 正确答案
  • C.只需报告全样本平均处理效果时
  • D.审核高风险 AI 系统输出的可信度← 正确答案

答案：ABD。个性化用药、个性化营销、可信 AI 审核都关心“单个个体”的效应和不确定性，需要区间。C 只需平均处理效应（ATE）的点估计，不涉及个体层面的风险判断。