Positivity Assumption

研究显示分层法优于IPW用于零售智能偏差校正

一项发表在arXiv上的模拟研究调查了零售智能中的选择偏差，特别关注了监控热门产品如何通过忽视小众商品来扭曲经济指标。该研究比较了逆概率加权（IPW）与分层方法在各种数据生成过程中的有效性。研究结果表明，在零售长尾环境中，分层法通常优于IPW，尤其是在选择概率高度不同且违反了因果推断的关键要求——正定性假设（Positivity Assumption）时。