causal-inference-mixtape

因果推断：Mixtape — 代码技能

面向实践者的因果推断技能，基于 Scott Cunningham 的 Causal Inference: The Mixtape 仓库构建。涵盖 10 种识别策略，并提供可直接运行的 Python、R 和 Stata 代码模板。

---

涵盖的方法

方法	Python	R	Stata	参考
OLS / 回归	statsmodels	estimatr	reg/reghdfe	references/method-patterns.md §1
双重差分	statsmodels + C()	lfe/fixest	xtreg/reghdfe	references/method-patterns.md §2
事件研究（动态 DiD）	手动设置 lead/lag	estimatr	reghdfe	references/method-patterns.md §3
错位实施的 DiD / TWFE	statsmodels	bacondecomp	bacondecomp	references/method-patterns.md §4
回归不连续设计	statsmodels 多项式	rdrobust	rdplot/rdrobust	references/method-patterns.md §5
工具变量	linearmodels IV2SLS	AER/ivreg	ivregress 2sls	references/method-patterns.md §6
合成控制	rpy2 → R Synth	Synth + SCtools	synth	references/method-patterns.md §7
匹配 / PSM / IPW	手动 logit + 权重	MatchIt + Zelig	teffects/cem	references/method-patterns.md §8
DAG / 碰撞变量偏差	dagitty（概念性）	dagitty/ggdag	—	references/method-patterns.md §9
随机化推断	置换循环	ri2	ritest	references/method-patterns.md §10

---

核心工作流

实施因果推断方法

1. 从上表中确定所用方法
2. 从 references/method-patterns.md 加载相应模板
3. 根据用户数据调整变量名称、固定效应和聚类设置
4. 添加稳健性检验（DiD 检验平行趋势，RDD 检验 McCrary，IV 检验第一阶段 F 值）

选择合适的语言

场景	建议
集成 ML 流水线	Python（statsmodels + linearmodels）
合成控制	R（Synth 包）或 Stata（synth）——Python 缺少成熟实现
Bacon 分解	R（bacondecomp）或 Stata——没有对应的 Python 实现
可用于发表的表格	Stata（outreg2/esttab）或 R（stargazer/modelsummary）
粗化精确匹配	Stata（cem）或 R（MatchIt）——没有对应的 Python 实现
快速原型开发	使用 statsmodels 的 Python

跨语言等效实现

任务	Python	R	Stata
使用稳健标准误的 OLS	smf.ols().fit(cov_type='HC1')	lm_robust()	reg y x, robust
聚类标准误	fit(cov_type='cluster', cov_kwds={'groups': g})	`felm(y ~ x	0
双向固定效应	公式中的 C(id) + C(time)	`felm(y ~ x	id + time)`
IV / 2SLS	IV2SLS.from_formula('y ~ 1 + exog + [endog ~ inst]')	`ivreg(y ~ exog	inst)`
DiD	C(treat)*C(post)	公式中的 treat:post	did_multiplegt 或交互项

---

关键 Python 模式

使用聚类稳健标准误的 DiD

import statsmodels.formula.api as smf

model = smf.ols('y ~ C(treated)*C(post) + controls', data=df)
results = model.fit(cov_type='cluster', cov_kwds={'groups': df['firm_id']})

事件研究（Lead/Lag）

# Create relative time dummies
for k in range(-4, 5):
    col = f'rel_{k}' if k >= 0 else f'rel_m{abs(k)}'
    df[col] = (df['relative_time'] == k).astype(int)

# Drop t=-1 as reference
formula = 'y ~ ' + ' + '.join([c for c in rel_cols if c != 'rel_m1']) + ' + C(id) + C(year)'

IV / 2SLS

from linearmodels.iv import IV2SLS

model = IV2SLS.from_formula('y ~ 1 + exog + [endog ~ instrument]', data=df)
results = model.fit(cov_type='clustered', clusters=df['cluster_var'])

---

稳健性检验模式

方法	必要的检验
DiD	平行趋势（事件研究图），安慰剂处理日期
RDD	McCrary 密度检验，带宽稳健性（IK 最优带宽的一半/两倍），多项式稳健性
IV	第一阶段 F > 10，排除限制论证，过度识别检验
合成控制	处理前 RMSPE，安慰剂分布，逐一剔除检验
匹配	协变量平衡表，卡钳敏感性

---

常见误区

1. 采用错开的处理时点时使用 TWFE — 当处理时点不同时，标准双向固定效应估计会产生偏差。请使用 Bacon 分解或 Sun & Abraham / Callaway & Sant'Anna 估计量。
2. 有许多处理组单位时使用合成控制法 — Synth 软件包仅支持一个处理组单位。若有多个处理组单位，请使用增强型合成控制法或堆叠方法。
3. 未进行 McCrary 检验就使用 RDD — 估计前务必检验临界值处是否存在操纵。
4. IV 弱工具变量 — 报告第一阶段 F 统计量。低于 10 表明存在弱工具变量偏差。
5. Python Synth 缺失 — 目前没有成熟的 Python Synth 软件包。可使用 rpy2 在 Python 中调用 R 的 Synth。

---

补充资源

参考文件

• references/method-patterns.md — 10 种方法的详细代码模板及完整示例
• references/r-stata-comparison.md — 跨语言软件包比较及方法覆盖缺口

提示词文件

• prompts/01-implement-method.md — 可复制粘贴的提示词，用于实现任意因果推断方法
• prompts/02-robustness-checks.md — 可复制粘贴的提示词，用于生成稳健性检验代码