Nedensel Müdahale: Gözlenen İlişki mi, Gerçek Etki mi?

Bu demo, korelasyon ile müdahale etkisini ayırır. Confounding yükseldiğinde veri sana büyük bir ilişki gösterse bile gerçek aksiyon değeri hızla eriyebilir. Randomizasyon ve ölçüm kalitesi ise etkini yeniden görünür kılar.

İlk kez buradaysan 3 adımda oku

1. Confounding'i yükselt Gözlenen artış büyürken gerçek etki aynı hızda büyümeyebilir; bazen tam tersine zayıflar.

2. Randomizasyonu artır Karşılaştırma daha temiz hale geldikçe ilişki değil etki okumaya başlarsın.

3. Net politika değerine bak Müdahalenin doğru olması yetmez; maliyeti düştükten sonra da işe yaraması gerekir.

Confounding gücü0.48

Randomizasyon0.56

Müdahale kapsamı0.52

Etki heterojenliği0.44

Ölçüm kalitesi0.61

Müdahale maliyeti0.28

Hazır senaryoHızlı kur

İlişki, etki ve net değer aynı şey değildir

Makine öğrenmesi tahmini iyi yapabilir; ama hangi aksiyonun sonucu değiştireceğini anlamak için müdahale mantığı gerekir. Aşağıdaki kartlar aynı verinin nasıl farklı hikâyeler anlattığını gösteriyor.

Gözlenen artış 46.2 puan Veri, tedavi alanlarda belirgin artış görüyor.

Gerçek müdahale etkisi 28.6 puan Confounding temizlenince etki daha ölçülü kalıyor.

Yanlılık boşluğu 17.6 puan Gözlenen ilişki ile gerçek etki arasında açılan fark.

Net politika değeri 18.4 puan Müdahale maliyeti düşüldükten sonra kalan fayda.

Nedensel okumaMüdahale savunulabilir

Kimlik gücü yeterli ve net etki maliyeti taşıyor.