py-why/EconML

何を解決するか

EconML は、観察データから異質な処置効果を推定するためのツールを提供します。介入（処置）が結果に与える因果効果を特定する課題に対処し、特に個人やグループの特徴（異質性）に基づいてその効果がどのように変化するかを明らかにします。

動作方法

このパッケージは機械学習技術と計量経済学を組み合わせ、複雑な因果推論を自動化します。ユーザーはランダムフォレスト、ブースティング、ラッソ、ニューラルネットワークなどの柔軟なMLモデルを使って効果の異質性をモデル化しつつ、因果的解釈を維持し、信頼区間を提供します。以下の推定手法をサポートしています：

• 二重機械学習（DML）： MLを用いて交絡因子を制御し、処置効果を分離します。
• 因果フォレストと直交ランダムフォレスト： 効果を推定するための専用のフォレストベースの手法。
• メタラーナー： X-Learner、S-Learner、T-Learner の実装。
• 二重ロバストラーナー： 傾向スコアモデルと回帰モデルを組み合わせて推定精度を向上させます。
• インストルメンタル変数（IV）： 観測されない交絡因子に対処するためのインストルメンタル変数を扱う手法。

対象ユーザー

観察データセット上で因果推論を実行し、パーソナライズされた意思決定を自動化したいデータサイエンティストや経済学者向けに設計されています。

特徴

• 統一されたAPI： 複数の因果ML手法に対して一貫したインターフェースを提供。
• 柔軟なモデリング： 標準的なPython MLパッケージと統合可能で、効果の異質性をモデル化できます。
• 因果的解釈： 結果の因果的意味を保持し、通常は妥当な信頼区間を提供します。
• 解釈性ツール： 決定木ベースの解釈器とSHAP値のサポートを備え、CATE（条件付き平均処置効果）モデルの挙動を説明できます。