⚡

执行因果分析Skill performing-causal-analysis

执行因果分析技能利用CausalPy库进行因果模型拟合和影响估计，支持差异中的差异（DiD）、中断时间序列（ITS）、合成控制（SC）和断点回归（RD）等分析方法，适用于数据科学、经济学和量化金融领域，帮助用户从数据中提取因果洞察并进行可视化展示。关键词：因果分析、CausalPy、DiD、ITS、SC、RD、数据科学、量化金融、预测建模、数据分析。

数据分析 0 次安装 0 次浏览 更新于 3/21/2026

name: 执行因果分析 description: 使用CausalPy拟合因果模型、估计影响并绘制结果。在使用DiD、ITS、SC或RD进行分析时使用。

执行因果分析

使用CausalPy实验类执行因果分析。

工作流程

  1. 加载数据：确保数据在Pandas DataFrame中。
  2. 初始化实验：使用适当的类（见参考资料）。
  3. 拟合和模型：如果提供参数，模型在初始化时自动拟合。
  4. 分析结果：使用summary()、print_coefficients()和plot()。

核心方法

  • experiment.summary()：打印模型摘要和主要结果。
  • experiment.plot()：可视化观测与反事实。
  • experiment.print_coefficients()：显示模型系数。

参考资料

特定方法的详细用法：