宁静的枫叶镇上，一群医生正在研究一款“活力素”营养液。让医生们困惑的是，同一瓶活力素，有人喝完精神焕发，有人毫无感觉，极少数人甚至头晕恶心。“平均下来有效，不代表对每个人都有用。”老院长一句话点醒了大家——他们需要的不是“平均药效”，而是一张能告诉每个人“你适合喝、你喝了没用、你最好别喝”的个性化用药图。 这张用药图，就是异质效应估计要解决的问题。它研究的是：处理效应（比如服药效果）如何随着人的特征（年龄、体质、生活习惯）而变化？在枫叶镇的故事里，X 是每位居民的体检档案，处理 D 是“喝不喝活力素”，结果 Y 是“一周后的活力指数”。研究者们关心的核心，是每个特定特征组合 x 对应人群的平均效果，也就是条件平均处理效应。 为了得到这张可靠的用药图，研究者们发明了一整套工具：从按特征分组的因果树，到汇聚几十位“大夫”意见的因果森林；从分工协作的元学习器，到先剔除干扰再评估的双重机器学习。本文就用这台“镇医院大会诊”的视角，层层展开这些方法。

岗位关联

掌握异质效应估计，你就能从“平均效果”升级为“针对每一类人群给出量化答案”——这在精准医疗、个性化推荐、定向营销等场景中，是做决策支持的核心能力。

目录
  1. 可视化演示
  2. 异质效应基础
  3. 因果树原理
  4. 因果森林集成
  5. 元学习器家族
  6. 双重机器学习
  7. 效应评估诊断
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示因果树分裂机制与叶节点CATE估计、元学习器S/T/X-learner对比及双机器学习正交化交叉拟合，交互切换三种模式探索HTE估计方法。

本节配有交互动效（进入视口后自动加载，约 3KB）。

'+CAPS.mode1+'

异质效应基础

老院长把全镇居民的体检报告摊在桌上，指着“活力素”的临床记录说：“平均下来，大家的活力指数提升了 5 分。但我注意到，30 岁以下的年轻人普遍提升 8 分，60 岁以上的老人几乎没变化。”这正是异质效应估计要捕捉的现象——处理效应不是一个固定的数字，而是随个体特征变化的函数。

在统计学中，这个想法被严格表述为条件平均处理效应（CATE）。与只关心总体平均的 ATE 不同，CATE 关注“在某个特定特征组合的人群中，处理与不处理的平均结果差异”。而个体处理效应（ITE）虽然听起来更个性化，却因为“反事实”问题——一个人无法同时处于吃药和不吃药两个世界——永远无法被直接观测到。幸运的是，我们可以在群体的层面估计 CATE，用“群体的分层平均”逼近“个体的潜在差异”。

回到枫叶镇：老院长真正想要的不是“平均提升 5 分”，而是“对 30 岁以下的晨跑者，平均提升 8 分；对 60 岁以上的人群，平均提升不足 1 分”。这张精细的画像，就是 CATE 的应用价值——它不仅告诉你药有没有用，还告诉你药对谁最有用。

τ(x)=E[ Y(1)−Y(0)∣X=x ]\tau(x) = \mathbb{E}[\,Y(1) - Y(0) \mid X = x\,]
这个公式定义了“给定年龄、体质等特征 x 的人群，活力素造成的平均效果差”。
  1. CATE 符号 \tau(x)读作“在特征等于 x 的人群中，处理的平均效果”。在枫叶镇，x 可以是“55 岁、有晨跑习惯、无慢性病”这样一组画像。
    τ(x)\tau(x)
  2. 服药组潜在结果 Y(1)假设某位居民喝了活力素，一周后的活力指数。这是“平行世界”里的观察，与现实中是否真的喝无关。
    Y(1)Y(1)
  3. 未服药组潜在结果 Y(0)假设同一位居民没喝活力素，一周后的活力指数。它与 Y(1) 的差，才是这瓶药带来的纯净贡献。
    Y(0)Y(0)
  4. 条件期望 \mathbb{E}[\,\cdot \mid X = x\,]在特征均为 x 的人群上取平均。个体效应不可观测，但通过随机实验或观测数据，群体的条件期望差可以被近似估计出来。
    E[ ⋅∣X=x ]\mathbb{E}[\,\cdot \mid X = x\,]

因果树原理

老院长很满意 CATE 的定义，但问题来了：体检档案里有两百多个指标，怎么知道该按哪个指标分组？他提议：“让我按年龄、血压、睡眠时长这些变量，把病人一层层分下去，直到分出几堆内部特征相似的人，再分别计算药效。”这个思路，就是因果树。

因果树与普通决策树长得像，但“灵魂”不同。普通决策树在分裂时，追求让叶子内部的结果 Y 尽可能“纯”；因果树则追求让叶子之间的处理效应差异尽可能大。换句话说，普通树问的是“谁能被预测得更准”，因果树问的是“谁吃药更有效、谁吃药没用”。

此外，因果树还引入了诚实估计：把训练样本分成两份，一份用来决定树怎么长（结构），另一份用来计算叶子里的效应。这就像老院长先让实习医生用一半病历设计分诊规则，再用另一半病人的数据验证药效——防止“先看答案再出题”导致的偏差。更进一步，模型树改进允许在叶子内拟合带倾向得分的残差回归，让局部效应更加精细。

Var^(τ;Π)=1N∑ℓ∈Πnℓ (τ^ℓ−τˉ)2\widehat{\mathrm{Var}}(\tau; \Pi) = \frac{1}{N} \sum_{\ell \in \Pi} n_\ell \,\bigl(\hat\tau_\ell - \bar\tau\bigr)^2
这个式子在给“分组方案”打分：分完组后，各组药效与全局平均药效差的平方加权和越大，说明组间差异越明显，分组越有意义。
  1. 树结构 \Pi一次完整的划分方案，即所有叶子组成的集合。每个叶子就是一类“体质相似”的病人。
    Π\Pi
  2. 叶子样本量 n_\ell叶子 \ell 中落入的病人数。小叶子估计不稳，所以打分时要按人数加权。
    nℓn_\ell
  3. 叶子局部效应 \hat\tau_\ell叶子 \ell 内服药组与未服药组结果均值之差，是对该组平均药效的局部估计。
    τ^ℓ\hat\tau_\ell
  4. 全局平均效应 \bar\tau所有病人合并计算的总体平均处理效应，是“药效基准线”。
    τˉ\bar\tau
  5. 最大化组间方差让每个叶子与全局基准的偏差平方和尽量大，等价于让不同人群的药效差异尽可能被“分割”开来。
    ∑ℓnℓ(τ^ℓ−τˉ)2\sum_{\ell} n_\ell(\hat\tau_\ell - \bar\tau)^2

因果森林集成

单棵因果树的毛病很明显：换一批病人，分组的边界就变了；样本一少，叶子里的药效估计就颤抖。老院长年轻时常说的那句话又响起来了：“一个大夫说了不算，多请几位大夫会诊，取个折中才稳当。”因果森林正是这个思路——它不是一棵树，而是几十上百棵因果树组成的“会诊团”。

关键差异在于，因果森林在每次分裂时引入随机性：每棵树只用一部分样本、一部分特征，于是每棵树都会长出略有不同的“分诊方案”。当要给某个新病人 x 预测药效时，森林不搞简单投票，而是邻近度加权：统计 x 训练过程中频繁与哪些训练样本落入同一叶子，这些“邻居”越多、关系越近，说话的分量就越重。

因果森林与普通随机森林最大的不同，就在这里：普通随机森林预测的是“结果 Y”，因果森林预测的是“效应 τ”；前者可以直接用叶均值，后者必须经过去混杂和归一化。由于每棵树都用双样本分裂（一半样本长树、一半样本填效应），森林输出的每个点还附带置信区间——这意味着枫叶镇不仅能说“这个人群平均提升 6 分”，还能说“我们有 95% 的把握，真实提升在 4.5 到 7.5 分之间”。

τ^(x)=∑i=1nαi(x) (Di−m^(Xi))(Yi−μ^(Xi))∑i=1nαi(x) (Di−m^(Xi))2\hat\tau(x) = \frac{\sum_{i=1}^{n} \alpha_i(x)\,\bigl(D_i - \hat m(X_i)\bigr)\bigl(Y_i - \hat\mu(X_i)\bigr)}{\sum_{i=1}^{n} \alpha_i(x)\,\bigl(D_i - \hat m(X_i)\bigr)^2}
这是因果森林对“新病人 x 的药效”给出的最终处方：把训练集里与 x 最像的病人的信息，用邻近度做权重，平均出一个干净的处理效应。
  1. 邻近度权重 \alpha_i(x)新病人 x 与训练样本 i 被同一棵树分到同一叶子的频率。频率越高，说明两者特征越像，权重越大。
    αi(x)\alpha_i(x)
  2. 去混杂处理项 D_i - \hat m(X_i)把“是否服药”中能被特征解释的部分（服药倾向）剔除，剩下纯粹的服药状态变化。m̂ 常用随机森林预测。
    Di−m^(Xi)D_i - \hat m(X_i)
  3. 去混杂结果项 Y_i - \hat\mu(X_i)把结果 Y 中与特征相关的基线水平剔除，留下与处理相关的波动。
    Yi−μ^(Xi)Y_i - \hat\mu(X_i)
  4. 归一化斜率分子是“处理与结果的相关”，分母是“处理的方差”，两者相除得到平均意义上每单位对处理的效应，即 CATE。
    ∑iαi(⋯ )∑iαi(⋯ )2\frac{\sum_{i} \alpha_i (\cdots)}{\sum_{i} \alpha_i (\cdots)^2}

元学习器家族

因果森林有点像“会诊团”，但有些乡镇医院人手不足，请不起几十位大夫。这时，元学习器家族提供了更轻便的方案：不用专门为效应设计树，直接调用现成的机器学习模型（随机森林、XGBoost、神经网络都可以），就能拼出 CATE。

家族里最直白的是 T-Learner（双模型法）：派两个助手，一个只研究服药组的数据，学会预测“如果这个特征的人吃了药，结果大概是多少”；另一个只研究未服药组的数据，学会预测“如果没吃药，大概是多少”。两者之差，就是药效。

家族里还有S-Learner（单模型法）：把“是否服药”当作一个普通特征，塞进一个模型里学，最后对比“吃药”和“不吃药”两种输入下的预测差。S-Learner 的优点是样本利用率高，但也会因为模型偷懒而把服药特征忽略掉。X-Learner（交叉法）则更聪明：它先用两个基础模型，再构造一个“伪效应”变量，随后分别对服药组和未服药组拟合效应模型，最后按倾向得分加权融合——

τ^(x)=μ^1(x)−μ^0(x)\hat\tau(x) = \hat\mu_1(x) - \hat\mu_0(x)
选择策略也很简单：样本少、两组不均衡时，X-Learner 通常更稳；两组规模接近且特征强时，T-Learner 足够好；想要省事，S-Learner 是最快的基线。枫叶镇的三位助手各有所长，选谁取决于病案总量和复杂程度。
  1. 服药组模型 \hat\mu_1(x)只用 D=1 的样本训练，输入特征 x 输出预期结果。
    μ^1(x)=E[Y∣X=x,D=1]\hat\mu_1(x) = \mathbb{E}[Y \mid X=x, D=1]
  2. 未服药组模型 \hat\mu_0(x)只用 D=0 的样本训练，同样输入特征 x。
    μ^0(x)=E[Y∣X=x,D=0]\hat\mu_0(x) = \mathbb{E}[Y \mid X=x, D=0]
  3. 相减得 CATE两个“平行世界”的预测之差，就是给定特征人群的效应估计。
    Di(Yi−μ^0(Xi))+(1−Di)(μ^1(Xi)−Yi)D_i\bigl(Y_i - \hat\mu_0(X_i)\bigr) + (1 - D_i)\bigl(\hat\mu_1(X_i) - Y_i\bigr)

双重机器学习

会诊进行到一半，一个年轻医生发现了隐患：“活力素的试验不是随机的——坚持喝的人本来就更注重健康，他们的活力指数高，可能不是因为药，而是因为本身生活习惯好。”这正是混杂偏倚：年龄、健康意识同时影响了“吃不吃药”和“恢复效果”，让效应估计被悄悄污染。双重机器学习（DML）就是来解决这个问题的。

DML 的思路很像“做对照实验前先称体重”：先把每个人的“基础活力水平”用特征预测出来（与 D 无关），再把“吃药的倾向”也用特征预测出来。然后，把真实结果减去基础水平，把真实处理减去服药倾向，得到的两个残差就像“剔除个人特质后的净变化”。最后用残差做一次简单的回归，斜率就是干净的效应。

实际使用 DML 时还有一个关键细节：交叉拟合。为了避免同一份数据既用来训练 \hat\ell、\hat m 又用来计算残差而导致的过拟合，需要把数据切成几折，轮流用“其他折”训练模型、“当前折”算残差。这就像实习医生考试不能用自己出过的题来打分——必须用没见过的病例来检验，成绩才作数。

Y~i=Yi−ℓ^(Xi),D~i=Di−m^(Xi),τ^=∑iD~iY~i∑iD~i2\tilde{Y}_i = Y_i - \hat\ell(X_i), \qquad \tilde{D}_i = D_i - \hat m(X_i), \qquad \hat\tau = \frac{\sum_i \tilde{D}_i \tilde{Y}_i}{\sum_i \tilde{D}_i^2}
这是 DML 的两段式处方：第一段“去噪”，第二段“取净相关”。残差化让混杂变量在渐近意义下不影响效应估计，这性质叫 Neyman 正交。
  1. 基线模型 \hat\ell(X)只用特征 X 预测结果 Y，模型可以任意灵活。它学的是“这个人本来健康状况如何”。
    ℓ^(Xi)\hat\ell(X_i)
  2. 倾向模型 \hat m(X)只用特征 X 预测处理 D。它学的是“这个人有多可能去吃活力素”。
    m^(Xi)\hat m(X_i)
  3. 残差化Y 减去基线预测得 \tilde{Y}，D 减去倾向预测得 \tilde{D}。残差中只剩与特征无关的“纯处理波动”和“纯结果波动”。
    Y~i=Yi−ℓ^(Xi),D~i=Di−m^(Xi)\tilde{Y}_i = Y_i - \hat\ell(X_i), \qquad \tilde{D}_i = D_i - \hat m(X_i)
  4. 残差回归斜率对 \tilde{Y} 和 \tilde{D} 做无截距回归，斜率 \hat\tau 就是均匀处理效应的估计。
    τ^=∑iD~iY~i∑iD~i2\hat\tau = \frac{\sum_i \tilde{D}_i \tilde{Y}_i}{\sum_i \tilde{D}_i^2}

效应评估诊断

用药图终于画出来了，但老院长还有最后一问：“咱们怎么知道这张图靠不靠谱？”这引出了异质效应估计最容易被人忽略的一环——评估诊断。与普通预测可以看均方误差不同，CATE 的真值不可观测，所以评估必须借助巧妙的间接方法。

最常用的方法是分箱校准：把所有病人按预测效应从低到高分成若干箱，在每个箱内分别计算“服药组均值 − 未服药组均值”作为箱内实际效应的近似，再与箱内预测均值对比。如果预测说“这个箱平均提升 6 分”，实际算出来却只有 2 分，说明这张图高估了，需要修正。

除了分箱校准，还常用排序指标：看预测效应最高的那些人，实际是否真的集中在效应最高的一组。这就像检查“老院长最推荐喝活力素的人群”和“实际受益最大的群体”是否高度重叠。最后还要做稳健性检验：换一种学习器重跑、换随机种子、排除极端样本，如果答案依然稳定，这张用药图才敢贴到镇卫生所门口。

τˉb=∑i∈bDiYi∑i∈bDi−∑i∈b(1−Di)Yi∑i∈b(1−Di)\bar\tau_b = \frac{\sum_{i\in b} D_i Y_i}{\sum_{i\in b} D_i} - \frac{\sum_{i\in b}(1-D_i)Y_i}{\sum_{i\in b}(1-D_i)}
这个公式回答的是：在预测效应为某个水平的箱 b 里，真实数据中的处理组和对照组到底差了多少？
  1. 分箱 b把样本按 \hat\tau(x) 排序后切成若干段，每段是一个“预测同质的箱子”。
    b={i:τ^(xi)∈[lb,rb)}b = \{i : \hat\tau(x_i) \in [l_b, r_b)\}
  2. 箱内服药组均值箱内喝过活力素的人的平均结果，代表“吃了药的实际水平”。
    ∑i∈bDiYi∑i∈bDi\frac{\sum_{i\in b} D_i Y_i}{\sum_{i\in b} D_i}
  3. 箱内未服药组均值箱内没喝的人的平均结果，代表“不吃药的实际水平”。
    ∑i∈b(1−Di)Yi∑i∈b(1−Di)\frac{\sum_{i\in b}(1-D_i)Y_i}{\sum_{i\in b}(1-D_i)}
  4. 实际组间差 \bar\tau_b两者相减得到箱内实际效应。把它与箱内预测效应画在一起，就能看出模型是过分乐观还是过于保守。
    τˉb\bar\tau_b

AI 应用场景

精准医疗中的药物人群分层

阶段：CATE 估计与临床决策支持

解决的问题：传统临床试验只报告“平均疗效”，但一种药往往只对部分基因型或年龄段的患者有效。医生难以判断“这位患者是否属于受益人群”，导致药物被过度处方或错误弃用。

具体案例：某肿瘤医院收集了 5000 名患者的基因测序、年龄、病史与靶向药治疗结果。团队训练因果森林估计 CATE，将患者分为“高获益、无获益、可能受损”三层。结果显示高获益层的客观缓解率是平均值的 2.3 倍，医院据此调整用药指南，减少无效治疗。

个性化推荐中的补贴效果优化

阶段：异质效应排序与资源配置

解决的问题：电商平台发放优惠券时，传统做法是“所有人发同样的券”或按消费额分层，浪费预算且刺激效果差。平台需要识别“给券才买、不给券也买、给券也不买”三类人群，把补贴花在最敏感的人身上。

具体案例：某生鲜电商对 20 万用户随机发放 5-20 元券，收集购买数据后使用 T-Learner 和 DML 分别估计 CATE，并按效应排序。最终对“高敏感”人群发 15 元券，对“自然购买者”不发券，转化率整体提升 12%，补贴成本下降 30%。

政策评估中的受益人群识别

阶段：DML 去混杂与政策效果审计

解决的问题：政府或企业推行某项公共政策（如技能培训补贴），参与并非随机，学员往往本身更积极上进，直接比较“参训者 vs 未参训者”的收入差会高估政策效果。

具体案例：某职业培训项目记录了学员的年龄、学历、求职时长等特征。评估团队用 DML 做残差化，剔除“参与倾向”带来的选择偏差，再估计年龄维度的 CATE，发现 25 岁以下低学历群体的收益显著高于平均水平，政策资源因此向该群体倾斜。

Python 演示

python49 行
import numpy as npfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.model_selection import train_test_split  def make_data(n=2000, seed=42):    """生成异质效应模拟数据:药效随年龄波浪变化"""    rng = np.random.default_rng(seed)    X = rng.uniform(20, 80, size=(n, 1))       # 年龄    D = rng.binomial(1, 0.5, size=n)           # 是否服药    Y0 = 90 - 0.4 * X[:, 0] + rng.normal(0, 3, n)    tau = 8 + 2.5 * np.sin((X[:, 0] - 20) / 60 * np.pi)    Y = Y0 + tau * D    return X, D, Y, tau  def cate_s_learner(X, D, Y, xtest):    """S-Learner:把D当作普通特征一起建模"""    model = RandomForestRegressor(n_estimators=200, random_state=0)    model.fit(np.c_[X, D], Y)    pred1 = model.predict(np.c_[xtest, np.ones(len(xtest))])    pred0 = model.predict(np.c_[xtest, np.zeros(len(xtest))])    return pred1 - pred0  def cate_t_learner(X, D, Y, xtest):    """T-Learner:两个模型各学一组,再相减"""    m1 = RandomForestRegressor(n_estimators=200, random_state=0)    m0 = RandomForestRegressor(n_estimators=200, random_state=0)    m1.fit(X[D == 1], Y[D == 1])    m0.fit(X[D == 0], Y[D == 0])    return m1.predict(xtest) - m0.predict(xtest)  def evaluate(tau_hat, tau_true):    """用均方误差比较估计与真实CATE"""    return np.mean((tau_hat - tau_true) ** 2)  if __name__ == "__main__":    X, D, Y, tau_true = make_data()    Xtr, Xte, Dtr, Dte, Ytr, Yte, tautr, taute = train_test_split(        X, D, Y, tau_true, test_size=0.3, random_state=1)     tau_s = cate_s_learner(Xtr, Dtr, Ytr, Xte)    tau_t = cate_t_learner(Xtr, Dtr, Ytr, Xte)     print("S-learner MSE:", round(evaluate(tau_s, taute), 4))    print("T-learner MSE:", round(evaluate(tau_t, taute), 4))
目的：用模拟数据演示异质效应估计中最经典的两种元学习器，对比它们在 CATE 估计上的精度差异。
  1. tau = 8 + 2.5 * np.sin((X[:, 0] - 20) / 60 * np.pi)构造“药效随年龄波浪变化”的真实 CATE，让不同年龄人群的效应明显不同。
  2. Y = Y0 + tau * D把真实效应叠加进服药组的结果，模拟“同样年龄相同药效”的潜在结果框架。
  3. model.fit(np.c_[X, D], Y)S-Learner 的核心：把“是否服药”当成一个普通特征塞进单个模型。
  4. pred1 - pred0对同一特征分别输入“吃了药”和“没吃药”，预测差就是该特征的 CATE。
  5. m1.fit(X[D == 1], Y[D == 1])T-Learner 的核心：服药组单独建模型。
  6. m0.fit(X[D == 0], Y[D == 0])对照组单独建模型，两组互不干扰。
  7. evaluate(tau_hat, tau_true)因为模拟数据知道真实 CATE，可以直接用 MSE 客观评分。
  8. train_test_split(...)严格用测试集评估，防止模型把训练数据的噪声背下来。

常见误区

误区“既然叫异质效应估计，那应该能算出每个人的精确药效，比如老王吃这药能提升 6.3 分。”我一开始也以为 CATE 是给每个个体打分的黑科技。

正解受反事实问题的限制，个体处理效应（ITE）在观测数据中永远无法被直接识别。我们能估计的是条件平均处理效应（CATE）——在特征相同的群体上取平均。把 CATE 当作 ITE 使用会高估结果的精度，就像把一箱苹果的平均甜度当成每个苹果的甜度。

为何常见：“个性化”这个词太有迷惑性，让人误以为输出细到个体。实际上 CATE 的粒度被协变量空间限定，这是反事实本质决定的。

误区“随机森林不是已经能处理复杂关系了吗？把服药与否当特征塞进去，预测差就是效应吧。”很多人直接把 sklearn 的 RandomForestRegressor 拿来算 CATE。

正解普通随机森林优化的是结果 Y 的预测误差，不会刻意让“叶子间效应差异”最大；而因果森林用双样本分裂、倾向得分残差化和邻近度加权，专门为效应估计设计。把普通森林当因果森林用，就像用体重秤测身高——工具虽好，刻度不对。

为何常见：两者代码长得太像，再加上“随机森林也能做回归”，掩盖了它们目标函数和统计性质的根本差异。

误区“先把 Y 和 D 都减去预测值再回归，不就是个标准化流程吗？省掉这一步直接回归也差不多。”

正解残差化不是清理数据，而是构造 Neyman 正交：让效应估计对第一阶段的误差不敏感。没有这一步，正则化会把混杂偏差悄悄带进 τ̂；有了残差化，即使 \hatℓ 或 \hat m 学得不够完美，τ̂ 在统计上依然稳健。这就像做菜前先给鱼去鳞——不是摆盘好看，而是决定能不能吃。

为何常见：残差化的数学形式太像“中心化”，容易让人低估它在下文中的正交保护作用。

误区“这篇文章主角是因果森林，所以实战直接上 GRF 就完事了，元学习器都是过时的。”

正解因果森林的优势在于大规模协变量下的自动交互发现和不确定性量化，但在样本量小、效应弱、协变量维度低时，T-Learner 甚至更简单的线性模型可能方差更低、更稳定。方法选择要由数据量、信噪比和业务可解释性共同决定，评估诊断才是最终裁判。

为何常见：教学文章天然突出主角，读者容易把“推荐方法”误读成“万能方法”。

面试题

Q1. 因果森林估计的目标是下列哪一项？

单选题 · easy

  • A.全体人群的平均处理效应
  • B.不同特征人群的效应差异← 正确答案
  • C.处理变量的分布统计
  • D.协变量的回归系数

答案：B。因果森林要刻画的是处理效应随特征如何变化。A 是 ATE，C 是处理 D 的描述统计，D 是一般回归参数。可以用“枫叶镇要的是分人群用的用药图，而不是平均药效”来记忆。

Q2. 关于条件平均处理效应 CATE，下列说法正确的是？

单选题 · mid

  • A.是 ATE 在全体人群上的平均
  • B.是给定特征 X 时的条件期望差← 正确答案
  • C.与协变量 X 完全无关
  • D.只能由线性模型估计

答案：B。CATE 的定义是 τ(x)=E[Y(1)−Y(0)|X=x]，本质是条件期望差。A 把条件与总体混为一谈，C 违背“异质”的前提，D 错误——树、森林、神经网络都能估计。

Q3. 因果树在分裂节点时，优先选择能最大化什么的特征？

单选题 · mid

  • A.结果变量方差
  • B.叶内效应差异
  • C.叶间效应差异← 正确答案
  • D.样本量大小

答案：C。因果树的划分准则是最大化叶子之间的处理效应差异（叶间方差），让不同人群的药效尽量分开。普通决策树才关注结果变量的纯度；样本量大小是约束而非目标。

Q4. “诚实估计”要求训练样本如何使用？

单选题 · mid

  • A.同一样本既做分裂又做效应估计
  • B.样本随机分配去分裂或去估计← 正确答案
  • C.全部样本只用于分裂
  • D.全部样本只用于估计

答案：B。诚实估计把样本分成两份：一份决定树结构，一份填充叶子效应。共用同一份数据会产生“用答案凑问题”的过拟合偏差。C 和 D 都让其中一半信息浪费掉，不是诚实估计的本意。

Q5. 下列属于元学习器家族的方法有哪些？

多选题 · hard

  • A.T-Learner← 正确答案
  • B.X-Learner← 正确答案
  • C.S-Learner← 正确答案
  • D.Q-Learner

答案：ABC。元学习器家族包括 S-Learner（单模型）、T-Learner（双模型）、X-Learner（交叉伪效应）。Q-Learner 是强化学习中的概念，与异质效应元学习器无关，属于干扰项。

Q6. 关于双重机器学习（DML）的残差化，下列表述正确的有哪些？

多选题 · hard

  • A.消除混杂变量对效应估计的影响← 正确答案
  • B.提高对第一阶段模型误差的稳健性← 正确答案
  • C.因此不再需要任何数据划分
  • D.降低有限样本下的正则化偏差← 正确答案

答案：ABD。残差化构造 Neyman 正交，使 τ 的估计对 \hatℓ 和 \hat m 的误差不敏感（A、B），并且能抑制正则化带来的有限样本偏差（D）。C 错误——DML 仍然需要交叉拟合来防止过拟合。

Q7. 因果森林与普通随机森林的核心差异是什么？

单选题 · easy

  • A.树的数量更多
  • B.目标是处理效应而非结果预测← 正确答案
  • C.不需要任何训练数据
  • D.不支持回归任务

答案：B。普通随机森林预测结果 Y，因果森林估计处理效应 τ。为达成这一目标，因果森林改用双样本分裂、邻近度加权和去混杂公式。树的数量并非核心差异，训练数据也不可能缺少。

Q8. DML 中交叉拟合的主要目的是什么？

单选题 · mid

  • A.减少第一阶段模型的过拟合偏差← 正确答案
  • B.增大有效样本量
  • C.简化模型的结构
  • D.让训练与测试分布相同

答案：A。交叉拟合用其中一折算残差、其余折训练模型，避免同一份数据既当“出题人”又当“考生”导致的过拟合。它不增大样本量，也不简化结构。D 是随机化的目标，不是交叉拟合的目的。

Q9. 评估异质效应估计效果时，常用的诊断维度有哪些？

多选题 · hard

  • A.预测效应与实际组间差的校准度← 正确答案
  • B.对个体效应排序的准确性← 正确答案
  • C.模型参数的正负号
  • D.高效应群体能否被稳定识别← 正确答案

答案：ABD。分箱校准看“预测值=实际值”（A），排序指标看预测高的群体是否真实受益更高（B），还看高效应群体的识别稳定性（D）。参数符号只能是初步线索，不是系统评估指标。

Q10. 因果树中“双样本分裂”指的是什么？

单选题 · easy

  • A.两个完全相同的训练集副本
  • B.用于生长树与用于估计效应的样本互相分离← 正确答案
  • C.把训练集和测试集合并使用
  • D.对全体数据做两次无放回抽样

答案：B。双样本分裂是诚实估计的操作化：一份样本决定树怎么长，另一份样本计算叶子药效。A 是同一份数据，C 违反评估原则，D 可能造成样本重叠。这就像出考题和批卷子的老师不能是同一个。