สมมติฐานที่จำเป็น

โดยทั่วไปแล้ว จะไม่มีแนวคิดเกี่ยวกับผลลัพธ์ที่เป็นไปได้ในการถดถอย เนื่องจากโมเดลการถดถอยจะประมาณค่าคาดการณ์แบบมีเงื่อนไขของตัวแปรการตอบสนอง อย่างไรก็ตาม ภายใต้สมมติฐานหลักของความสามารถในการแลกเปลี่ยนแบบมีเงื่อนไขและความสอดคล้อง

$$ E \Biggl( \overset \sim Y_{g,t}^{ \left(\left\{ x_{g,t,m}^{(\ast)} \right\}\right) } \Big| \bigl\{z_{g,t,c}\bigr\} \Biggr) = E \Biggl( \overset \sim Y_{g,t} \Big| \bigl\{z_{g,t,c}\bigr\}, \big\{x_{g,t,m}^{(\ast)}\bigr\} \Biggr) $$

สมมติฐานหลัก

  • ความสามารถในการแลกเปลี่ยนแบบมีเงื่อนไข

    \( \overset \sim Y_{g,t}^{(\{ x_{g,t,m}^{(\ast)} \})} \) ไม่ขึ้นกับตัวแปรสุ่ม \(\bigl\{ X_{g,t,m}^{(\ast)} \bigr\}\) สำหรับสถานการณ์สมมติใดๆ \(\bigl\{ x_{g,t,m}^{(\ast)} \bigr\}\)ดังนั้น ชุดผลลัพธ์ที่เป็นไปได้จึงขึ้นอยู่กับการตัดสินใจในอดีตเกี่ยวกับการใช้สื่อของผู้ลงโฆษณา

  • ความสม่ำเสมอ

    \( \overset \sim Y_{g,t} = \overset \sim Y_{g,t}^{ (\{ x_{g,t,m}^{(\ast)} \}) } \) when \(\bigl\{ X_{g,t,m}^{(\ast)} \bigr\} = \bigl\{ x_{g,t,m}^{(\ast)} \bigr\}\)ดังนั้น ผลลัพธ์ KPI ที่สังเกตได้คือผลลัพธ์ที่เป็นไปได้สำหรับสถานการณ์สมมติที่ตรงกับการดําเนินการสื่อที่ผ่านมาของผู้ลงโฆษณา

ภายใต้สมมติฐานเหล่านี้ คุณจะได้ผลลัพธ์ที่ระบุไว้ก่อนหน้านี้

$$ E \Biggl( \overset \sim Y_{g,t}^{ \left(\left\{ x_{g,t,m}^{\ast} \right\}\right) } \Big| \bigl\{ z_{g,t,m} \bigr\} \Biggr) \overset{\text{exchangeability}}{=} E \Biggl( \overset \sim Y_{g,t}^{ \left(\left\{ x_{g,t,m}^{\ast} \right\}\right) } \Big| \bigl\{ z_{g,t,c} \bigr\},\ \bigl\{ x_{g,t,m}^{(\ast)} \bigr\} \Biggr) \overset{\text{consistency}}{=} E \Biggl( \overset \sim Y_{g,t}\ \Big| \bigl\{ z_{g,t,c} \bigr\},\ \bigl\{ x_{g,t,m}^{(\ast)} \bigr\} \Biggr) $$

สมมติฐานความสอดคล้องเป็นแนวคิดที่เข้าใจได้ง่ายและใช้ได้จริง เว้นแต่ว่ากลุ่มเปรียบเทียบจะกําหนดไว้ไม่ดีหรือไม่แสดงข้อมูลอย่างถูกต้อง ดูข้อมูลเพิ่มเติมได้ที่ Hernan MA, Robins JM, (2020) Causal Inference: What If

สมมติฐานการแลกเปลี่ยนแบบมีเงื่อนไขนั้นเข้าใจยากกว่าเล็กน้อย สมมติฐานนี้ใช้ได้หากวัดตัวแปรที่ก่อความสับสนทั้งหมดและรวมไว้ในอาร์เรย์ควบคุม \(\{z_{g,t,c}\}\)ตัวแปรที่ก่อความสับสนคือตัวแปรที่มีผลเชิงสาเหตุต่อทั้งการรักษา \(\{x_{g,t,m}\}\) และผลลัพธ์\(\{\overset \sim y_{g,t}\}\)ที่สังเกตได้ ผลที่เกิดจากสาเหตุของกลุ่มทดสอบอาจหมายถึงผลที่เกิดจากระดับงบประมาณโดยรวมของผู้ลงโฆษณา การจัดสรรงบประมาณในช่องทางต่างๆ การจัดสรรงบประมาณตามภูมิศาสตร์ หรือการจัดสรรงบประมาณตามระยะเวลา ในทางปฏิบัติ เป็นเรื่องยากที่จะทราบว่ามีการวัดตัวแปรควบคุมทั้งหมดหรือไม่ เนื่องจากเป็นเพียงการคาดคะเนเท่านั้น และไม่มีวิธีการทดสอบทางสถิติที่จะระบุเรื่องนี้จากข้อมูลของคุณ อย่างไรก็ตาม คุณควรทราบว่าสมมติฐานการแลกเปลี่ยนแบบมีเงื่อนไขจะยังคงใช้ได้หากคุณสมมติว่ากราฟเชิงสาเหตุมีคุณสมบัติตรงตามเงื่อนไขที่เรียกว่าเกณฑ์ Backdoor (Pearl, J., 2009) ดูข้อมูลเพิ่มเติมได้ที่กราฟเชิงสาเหตุ