本文档基于 examples/fangorn/rf_with_treat.do 中的两个测试场景，说明 fangorn 命令在因果推断中用于反事实预测的核心功能与使用原理。

命令简介

fangorn 是 CART 决策树与 Breiman 随机森林的 Stata 插件实现，支持回归（type(regress)）与分类（type(classify)）。其核心优势在于：

• target 选项：支持训练/预测分离。target=0 的观测用于训练模型，target=1 的观测仅接收预测但不参与训练。这一特性使其天然适合因果推断中的反事实预测场景。
• group 选项：支持多维度分组变量，字符串变量自动编码为数值。
• 随机森林：ntree(N) 控制树的数量，N=1 为单决策树，N>1 为随机森林。
• 正则化：relimpdec() 和 maxleafnodes() 控制树复杂度，防止过拟合。
• Mermaid 导出：mermaid(filename) 将单棵决策树导出为 Mermaid 流程图。

数据构造

两个测试使用相同的数据生成过程（DGP），模拟存在子群体异质性的处理效应估计场景。

生成 5000 个观测：

• g = mod(_n,2)==0：分组变量（0/1），模拟两个子群体
• x ∼ N(1 + 2g, 2)：协变量，不同组的均值不同（组0均值≈1，组1均值≈3）
• treatment = x > runiform()：处理变量，取值0/1，基于 x 的非随机分配
• y = 1 + 2·treatment + 10·treatment·g + 10·sin(x) + ε, ε ∼ N(0, 2)：结果变量

关键设计：处理效应存在显著的组间异质性——g=0 组的处理效应约为 2，而 g=1 组的处理效应约为 12（因为 10·treatment·g 项）。此外，treatment 的分配与 x 相关（非随机），直接比较处理组与对照组会有选择偏差。

CSA 预筛选：

1

csadensity x, group(g) treatment(treatment) gen(csa)

先使用 csadensity 识别处理组与对照组在协变量 x 上的共同支持域（CSA），仅在 CSA 内进行后续分析。执行后保留 473 个观测（共 5000 个），说明处理组与对照组在 x 上的重叠区域有限。

测试一：单决策树反事实预测（target 选项）

测试目的

验证 fangorn 在 type(regress) + target() 组合下的反事实预测能力：用对照组（target=0）数据训练决策树，然后预测处理组（target=1）在”未接受处理”条件下的反事实结果，进而估计个体处理效应。

执行命令

1
2

fangorn y x g, type(regress) target(treatment) gen(conterfacurals) if(csa==1) ///
    mermaid("rf_with_treat_mermaid.md")

• target(treatment)：treatment=0 的观测（对照组）用于训练，treatment=1 的观测（处理组）只接收预测
• gen(conterfacurals)：生成两个变量——conterfacurals（叶子节点 ID）和 conterfacurals_pred（预测值）
• mermaid("rf_with_treat_mermaid.md")：将决策树结构导出为 Mermaid 流程图

可视化结果

原始数据散点图（四组）：

图中颜色区分：

• 蓝色：treatment=0, g=0（对照组，组0）
• 红色：treatment=1, g=0（处理组，组0）
• 绿色：treatment=0, g=1（对照组，组1）
• 黄色：treatment=1, g=1（处理组，组1）

可以清楚看到 y 与 x 之间的非线性关系（10·sin(x) 项），以及不同组之间均值的明显差异。

CSA + 反事实预测结果：

灰色点（conterfacurals_pred）是处理组观测的反事实预测值——即如果它们未被处理（treatment=0），在给定 x 和 g 条件下的期望结果。

处理效应估计

1
2

gen te = y - conterfacurals_pred if treatment==1 & csa==1
bysort g: su te

结果解读：单决策树成功捕捉到了组间处理效应的异质性：

• g=0 组：平均处理效应约 2.12，与真实 DGP 中的 2·treatment 项（效应=2）接近
• g=1 组：平均处理效应约 12.09，与真实 DGP 中的 2·treatment + 10·treatment·g 项（效应=12）接近

决策树能够自动利用 g 变量进行分裂，在不同子群中学习不同的预测模式。

Mermaid 导出

执行后生成 rf_with_treat_mermaid.md，内容为决策树结构的 Mermaid 流程图：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

graph TD
    N0["x <= 0.5241<br/>n=198<br/>gain=2.5987"]
    N1["x <= 0.2211<br/>n=121<br/>gain=0.9119"]
    N2["x <= 0.6256<br/>n=77<br/>gain=0.3197"]
    N3[["predict=2.1462<br/>n=27<br/>MSE=4.5387"]]
    N4[["predict=4.4399<br/>n=94<br/>MSE=3.9803"]]
    N5[["predict=6.5271<br/>n=30<br/>MSE=2.1594"]]
    N6[["predict=7.6865<br/>n=47<br/>MSE=2.4340"]]

    N0 -->|"<= 0.5241"| N1
    N0 -->|" > 0.5241"| N2
    N1 -->|"<= 0.2211"| N3
    N1 -->|" > 0.2211"| N4
    N2 -->|"<= 0.6256"| N5
    N2 -->|" > 0.6256"| N6

决策树以 x 为根节点分裂阈值约 0.52，共 4 个叶节点。叶节点的 predict 值代表该子集中对照组的平均 y 值，范围从约 2.15 到 7.69。

测试二：随机森林反事实预测

测试目的

验证随机森林（ntree=100）在反事实预测中的表现。相比于单决策树，随机森林通过集成多棵树的预测来降低方差。

执行命令

1
2

fangorn y x g, type(regress) ntree(100) target(treatment) gen(conterfacurals_rf) ///
    if(csa==1)

• ntree(100)：构建 100 棵决策树的随机森林
• gen(conterfacurals_rf)：生成 conterfacurals_rf_pred（预测值）和 conterfacurals_rf（占位变量）

可视化结果

原始数据散点图（与测试一相同）：

CSA + 随机森林反事实预测：

处理效应估计

1
2

gen te_rf = y - conterfacurals_rf_pred if treatment==1 & csa==1
bysort g: su te_rf

结果解读：随机森林同样成功识别了组间异质性：

• g=0 组平均处理效应约 3.08，g=1 组约 12.46
• 与单决策树相比，随机森林在 g=0 组的估计值略高（3.08 vs 2.12），但两组的标准差相近
• 随机森林通过集成多棵树减少了单个决策树的过拟合倾向

两个测试的核心差异

使用建议

1. 先做 CSA 预筛选：在因果推断中使用 fangorn 做反事实预测前，建议先用 csadensity 筛选共同支持域。缺乏共同支持的观测会产生不可靠的外推预测。
2. target 选项是因果推断的关键：target(treatment) 允许用对照组训练、对处理组做反事实预测，这是评估个体处理效应的基础。
3. 单树 vs 随机森林：初探阶段使用单决策树（ntree=1）配合 mermaid() 可以快速理解数据的分裂结构。正式分析推荐使用随机森林（ntree=100 或更高）以获得更稳定的预测。
4. group 变量自动利用：将分组变量（如 g）纳入自变量列表，决策树会自动识别并进行分裂，无需手动交互项。
5. 正则化调节：若决策树过深导致过拟合，使用 relimpdec(0.05) 或 maxleafnodes(20) 进行约束。详见 fangorn/README.md。
6. CSA规模考量：本示例中 CSA 仅保留 473/5000 个观测（约 9.5%），这是因为处理分配与协变量高度相关，导致共同支持域很小。在实际应用中，CSA 的规模取决于处理分配机制与协变量重叠程度。
7. ⚠️ 更好方法仍待开发：对于因果推断，更先进的方法是使用 causal forest 和 generalized random forest（Athey & Imbens, 2016; Athey, Tibshirani & Wager, 2019），能够对异质性处理效应（CATE）进行无偏估计，并支持 honest 分裂、置信区间估计等特性。当前 fangorn 的 target() 选项仅提供了一种简化的反事实预测工具，causal forest 相关功能仍待后续开发。