果推断阶段系列22[阶段2-4]----目标转换后的估计器

前面已经学习了在处理样本不是随机分配的情况下存在混杂偏差，如何消除数据偏差。这对于解决因果推断中的识别问题有一定帮助。换句话说，一旦个体是可交换的，或者 $ Y(0), Y(1) \perp X$，就可以学习到处理效应。实际上还远未完成。

识别意味着可以找到平均处理效应。换句话说，我们知道处理的平均效应有多大。当然，这是有用的，因为它帮助我们决定是否应该推出某种处理方法。但我们想了解的除了这个，还想知道是否存在对处理反应更好或更差的子样本群。这能帮助我们制定出更好的个性化策略，只处理那些会从中受益的人。

1. 问题提出

我们先回顾一下前面的个体处理效应。给定潜在结果，可以将个体处理效应定义为潜在结果之间的差异。

τ i = Y i