Короткий ответ Без рандомизации надёжного единственного решения нет; можно использовать квазиэкспериментальные методы — разность разностей (difference-in-differences) со сравнимой контрольной группой (например, другой рынок/регион, где изменения не было), или synthetic control, или regression discontinuity, если внедрение было пороговым (например, по дате или по сегменту) — каждый метод требует своих, часто непроверяемых допущений. Как это работает подробнее Как это работает: DiD сравнивает изменение метрики во времени в затронутой группе с изменением в похожей незатронутой группе, предполагая, что при отсутствии вмешательства тренды двигались бы параллельно (parallel trends assumption); synthetic control строит виртуальный контроль как взвешенную комбинацию нескольких непострадавших единиц, подбирая веса так, чтобы предынтервенционная история совпадала с целевой единицей. Пример DiD в псевдо-SQL/Python: metric_change_treated = metric_after_treated - metric_before_treated; metric_change_control = metric_after
Загрузка…
