Что хотят услышать интервьюеры:

Front-door criterion — это способ идентифицировать причинный эффект, когда прямой back-door adjustment невозможен из-за скрытого конфаундера. Идея в том, чтобы найти наблюдаемую переменную-медиатор, через которую проходит влияние причины на эффект. Тогда причинный эффект можно восстановить через две стадии: влияние причины на медиатор и влияние медиатора на эффект с учетом исходной причины.

Определение:

Front-door criterion — это набор условий в причинно-следственном графе, при выполнении которых можно оценить эффект (X \to Y) по наблюдаемым данным даже при наличии ненаблюдаемого конфаундера между (X) и (Y).

Условия обычно формулируются так:

Все пути от (X) к (Y) проходят через наблюдаемый медиатор (M).
Между (X) и (M) нет неконтролируемых конфаундеров.
Все пути от (M) к (Y), которые не идут через (X), можно заблокировать, контролируя (X).

Если эти условия выполнены, можно выразить причинный эффект через наблюдаемые распределения, не оценивая скрытый конфаундер напрямую.

Пример использования:

Например, нужно оценить влияние рекламной кампании (X) на покупки (Y), но есть скрытый фактор — мотивация пользователя, которая влияет и на просмотр рекламы, и на покупку. Если реклама влияет на покупки только через вовлечение пользователя (M) — например, через клики или переходы на сайт — и для связи (X \to M) нет скрытого смещения, то можно использовать front-door adjustment.

X = показ рекламы
M = клик/визит на сайт
Y = покупка

Сценарий:
1. Оцениваем P(M | X)
2. Оцениваем P(Y | M, X)
3. Комбинируем их, чтобы получить эффект X на Y

Пояснение кода:

Код не требуется: front-door criterion — это не алгоритм в виде готовой функции, а принцип идентификации причинного эффекта по графу. На практике шаги такие: сначала проверяют структуру DAG и наличие подходящего медиатора, затем строят две оценочные модели для переходов (X \to M) и ((M, X) \to Y), после чего собирают итоговую оценку причинного эффекта по формуле front-door adjustment.

Ключевые моменты:

Front-door criterion нужен, когда есть скрытый конфаундер между причиной и эффектом.
Он работает за счет наблюдаемого медиатора, через который проходит причинное влияние.
Это не просто корреляция, а способ идентифицировать causal effect из observational data.
Условия front-door должны выполняться строго; если медиатор не перехватывает весь эффект, метод неприменим.
Часто используется в causal inference, uplift modeling и оценке воздействия маркетинговых кампаний.
Практически важно проверять DAG-структуру и не путать front-door с обычной медиаторной регрессией.

Что такое front-door criterion?