2019年Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning的发表引发了世界因果推断理论的研究热情。目前,机器学习与因果推断论中的许多统计模型已被广泛应用。本文采用文献资料法、数理统计分析...2019年Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning的发表引发了世界因果推断理论的研究热情。目前,机器学习与因果推断论中的许多统计模型已被广泛应用。本文采用文献资料法、数理统计分析方法、案例研究法等研究方法,研究推演现代因果推断理论中较为知名的Uplift因果模型在体育中的应用场景,其中Uplift因果模型包括S-learner(单模型)、T-learner(双模型)、X-learner(交叉训练模型)。结果显示,在体育消费随机对照实验中应用Uplift因果模型,可以基于基本模型进一步推导出各变量因素之间的因果关系,验证并分析自变量对因变量变化的影响;率先在体育消费市场研究与实验中应用Uplift因果模型可以填补我国体育消费实验数据分析方法的空缺。展开更多
文摘2019年Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning的发表引发了世界因果推断理论的研究热情。目前,机器学习与因果推断论中的许多统计模型已被广泛应用。本文采用文献资料法、数理统计分析方法、案例研究法等研究方法,研究推演现代因果推断理论中较为知名的Uplift因果模型在体育中的应用场景,其中Uplift因果模型包括S-learner(单模型)、T-learner(双模型)、X-learner(交叉训练模型)。结果显示,在体育消费随机对照实验中应用Uplift因果模型,可以基于基本模型进一步推导出各变量因素之间的因果关系,验证并分析自变量对因变量变化的影响;率先在体育消费市场研究与实验中应用Uplift因果模型可以填补我国体育消费实验数据分析方法的空缺。