【核心算法篇十九】《 DeepSeek因果推断：双重差分模型如何破解政策评估的「时空难题」》
一、当AB实验不可行时，我们该相信什么？（因果推断困局解析）
假设某城市推出「夜间地铁免费」政策，市长想知道这个政策是否真的提升了夜间经济。这时候你会发现：
1️⃣ 无法克隆城市：不能同时存在一个「实施政策」和「不实施政策」的平行宇宙
2️⃣ 数据混杂严重：疫情反弹、天气变化、节假日等因素都在干扰
3️⃣ 时间效应纠缠：即使没有政策，夜经济本身也会有季节性波动
这就是双重差分模型（Difference-in-Differences，DID）大显身手的战场。DeepSeek团队最新发布的DID引擎，就像给政策评估装上了「时空穿梭望远镜」，我们这就来拆解它的技术内核。
二、DID核心原理：两次差分破解混杂困局
2.1 基础版DID：小学生都能懂的「魔法公式」
假设我们要评估「外卖平台会员折扣」对订单量的影响：
| 组别\时段 | 政策前（1月） | 政策后（2月） | 差值 |
|---|---|---|---|