因果推論は施策効果を推定する手法になりますが、各手法に通じる大きな考え方として「ランダム化比較実験が行えない状況で、なんとか反事実を作り出し、事実と反事実の差を比べる」というものがあります。
そのため各手法には分析対象となるデータが満たすべき仮定が存在し、その仮定の下で統計学を駆使することで効果推定がされています。
以前の記事でRDDについて整理しましたが、今回の資料ではそのRDDが満たすべき仮定（識別条件）について整理しました。
また資料はこちらのリンク先になります。 [資料]
スライドのタイトル
- 識別条件と成立しないケース
- 可視化での判断
- 検定での判断①
- 検定での判断②
- 共変量バランステストでの検定
- RDDで使えるPythonライブラリ
- 補足：単回帰分析の偏回帰係数の検定
以上になります。おかしい点などあれば、ご指摘いただければと思います。
