Business data analytics

effetto

stimare relazioni

identificare

Inferenza causale si causa

e

vogliono variabili correlate

correlazione

e covariabilita

causazione

E insieme

variano

offendi ecc

tra

relazione 2 l'altra

cui una causa

in

Per interpretare tale probabilità come impatto del programma economico sul

fatturato sarebbe necessario poter stabilire quali sono le imprese che ricevono il

sostegno economico ( operatore do(x) ), garantendo uniformità e quindi

comparabilità tra i due gruppi che ricevono e non il programma di supporto.

inferenza sintesi

causale Controfattuale

Intervento

Associazione valutare

voluti

Y altri

alcuni

Y y

come varia e

con con

di

al

relazione x

valori

in

un'altra variabile robotto

effetto causale

stimato

impatto sat

In DIAGRAMMI causali

analisi y

su

impatto

D

generale CONTROFATTUALE

sistema causale rappresentare

un per

disegnare

E

DAG directed ACYCLIC GRAPH di

le

tutte

acuito dell'outcome

grato diretto interesse

esplicitamente cause

solo outcome osservabili

punti

classificazione effetto trattamento

medio

o

GENITORE ANTENATO O tipo relazione

no

FIGLIO DISCENDENTE

di dai

ogni

Markov propri

solo Genitori

Modello variabile dipende

ti

flat fltiltra

flaln flxalk.e.t

flxalxs.k

flesla.xs

flxalnlflsln

flat.fm

I

minuetti RILEVANTI

EVIDENZI CONCETTI DA

IDENTIFICHI INSERIRE

VARIABILI NELL'ANALISI ATTENZIONE

BACK-DOOR PATH (BDP) 1

diretto Y

che

Percorso sia verso

vero

Y IN

D UN D

E COMUNE Confounded

ANTENATO

HANNO

I D NO

BAS

confounding opportunamente causale

nesso

I

blocchi controllano di soy

b

L'Ittanantaksen a Collider f

no a

PANE

Pensi Ittiti

did

0 Matto

YEY wnettamente

Identifichi canali

i nervi

CRITERIO DEL PATH

BACKDOOR DAY

A

I

TUTTI ACNAOOR PATH

IDENTIFICO DAY

A

Pelloni

tutti i

Identifico DEI DIENDENTI le

tutti

Bollo VARIABILI

i Controllando

RANDOM PATH APERTI D Y

non a

controllare di

lenient e

variabili

FRONT-DOOR Bad

non chiudo

no D

non controllabile

osservabile D Y

u

I µ È Y

N M

di E su

Effetto

combino

D

TIFICHI p Ntm D

di y

intero su

catturano EFFETTO

esaustive I D

Isolate Controllando

BDP

TUTTI Bloccati

CONTROFATTUALE I

IDENTIFICARE LAVALI

NESSI i

D GRUPPO TRATTAMENTO SE

TRATTATI UNITA

ME trattata

Di Y I SE

o I

no controllo UNITA NONTATIAIA

OUTCOME

Gruppo

D magna

q in

_y

q ma

ame me a A

J Mill

DI MA

NON ANTIERISTICHE

INSIEME VARIABILI CON SUFFICIENTEMENTE

TRATTARE

TRATTATE

VARIABILI

DELLE

QUELLE L L anno

Età www.ann

fate TRATTATO CONNON 1

SE EFFETTO TRATTAMENTO ALLORA

OMOGENEO

spillover

NO NON Osservabili

OUTCOME OSSERVABILI del intimo

ECHI DI gettito

GIGLI ATTA

se

E tantefffit gettoneTAFFY

Yo Do ID

Y

E

Itere E Ely

Ely

ftp SID

ATT E D

Y Di den

Y Ely

ECY.is

SID D

Ittite E o o

o

ato UN

Tra

DIFFERENZA OUTCOME

IO Stimo

COME E CHE

QUELLO

TRATTATO

INDIVIDUO stato l'outcome dell'Ins

sarebbe

E 1

id d

Y

E y

Naive

ESTIMATOR o FOSSESTATO

NON

QUALORA

TRATTATO

TRATTATO

ne tz'ENMIst'IIIIsoameremoseannossiano

Di

E Yo

OSSERVIAMO OVVERO

CIO CHENON ELYID O

CIO CHE

CON OSSERVIAMO

Y Yo

Sentaintimento

OUTCOME

CON

OUTCOME TRATTAMENTO

il 7

D

GRUPPO TRATTAMENTO 8

Deo

61h10 controllo BIAS

10 3

7

ATT 7

10 4

7

6 t

10 4

NE 6

3 3 da

Dipendenti fattori

atomi all'agonismo

esogeni

raramente

Trattamenti

AUTOSELEZIONE i del

sull'assunzione

individui decisioni

prendono

spesso

basandosi

trattamento caratteristiche individuali

su

non

se

trattati anche stati un

trattati autore

fossero avrebbero

i NN NIEUW

A Intanto

HA

CHI

DI

QUELLO

DIVERTO

PONNEALE Y 11

E

Yo D

E 0

VARIABILI DI D CONTROLLO

SELEZIONE IL TRATTAMENTO

PREDICONO ELIMINO SELEZIONE

EFFETTO

e Y

D il

di

le

Se del

metodo don

selezione

variabili front

e

non osserviamo di

controllare l'effetto selezione

non non

applicabile

e possiamo RCD randoniamente

A

de

Assegnazione randomizzato IN

ALAMMAZONE KIELTY

intimento TITINIO AL

studi osservazionali

L reclanino di assegnazione

INTIAII

MEDIE Lei

ATE

INNATA

I MEDIE

EFFETTO Yi Yoi Yoi

Yi Di

t

REG LINEARE

Yoi

E

2 Yi Di

L Mi

t p

Yoi

Ini

p Yoi E

Mi Yoi È

DI DI

EFFETTO DEL POTENZIALE EQUIVAL

OUTCOME

SELEZIONE MODELLO E

DI IN

Alla REGIME REG IMENE

TENNE

E

FRA

CORRELAZIONE QUALE QUINDI

PER EFFETTO DOBBIAMO

IDENTIFICARE ASSUMERE

ID

Tra

INDIPENDENZA y

E

IN E

TEMA SEMPRE

MA

MLD GARANTITA DALLA RANDOMIZZAZIONE

FUNZIONATO

CHE

BENE ABBIA

CONTROLLARE MEDIE

GU INNAMENTO

DI

F UN

SE GRUPPO

PER

TEST VEDERE dire Significativa

Voglio

C NON

E

CO T E

umana.NO MEDIE GUAINE

IN INT D LE

E ALTRE

1010 INTERAZIONI VARIABILE

INCLUDERE Di

Yi Bli

LA di Mi

t S

pt

ti Y

D E

SU

1 DI

se EFFETTO Etti

YEAH Bias

interna

È lEneaahttatone

h

ftp.YEH

difende

esterna

In ho validità lama

trattamento randominato interna

mai ma

un randominamente

all'esterno

eterna non salgo

perché

Problemi legati alla randomizzazione

campione

• partecipanti sono un non rappresentstivo.

partecipation bias:

• e etto del trattamento diverso per quelli che

partecipano . problema validità esterna. (dobbiamo comoparare i due gruppi)

treatment knowledge bias:

• la consapevolezza di essere sotto osservazione

può alterare l'output compromettendo la validità interna.

blinding, double blinding, placebo

• soluzioni: e etto nel gruppo c per

approssimare più fedelmente il gruppo t.

abbandoni.

• se casuali no validità statistica. se dovuti al trattamento no

validità statistica ed interna.

design costoso

• in termini nanziari e di tempo.

e etto medio

• informativo solo su C'E

IN

PROPENSITY SCORE MATCHING NON

CONTESTI

ALCUNI TRATTAMENTO

ASSEGNAZIONE RANDONIA

IL SORE

DEL

MILAN ALLA

RIDUCE Problema DEL PROPENSITY

DIMENSIONE IRAN

IL

NE DI

UN

UNITA

CHE INSIEME

probabilita TRATTAMENTO

RICEVA

CAMPIONE

LN simile caratteristiche

PSM COMANDI

MENATE abbiano

VARIABILI OSSERVABILI

ENTITA X

DI LUI DOPO

UN SET OSSERVABILI PER

ANAERSTICHE

ESISTE

indipendenza X

CONIGLIANDO

AVERE AINTIA