Los efectos individuales son identificables en función de la suposiciones causales que puede sostener y el tipo de datos que puede recoger. De hecho, hacemos inferencias de efectos causales individuales todo el tiempo: si se le da un vaso de una sustancia química desconocida a una persona perfectamente sana, y ésta muere de repente, la mayoría de la gente estaría de acuerdo en que es una inferencia razonable que la sustancia química fue la causa de la muerte de esa persona (lo que podría confirmarse posteriormente mediante una autopsia). ¿Puede decir cuál es la suposición que le permite hacer esta inferencia?
La conclusión es que la identificación de los efectos causales, ya sean efectos medios, efectos condicionales o efectos individuales, depende de los supuestos causales (véase aquí y aquí ). La diferencia entre identificar los efectos medios y los efectos individuales es la fuerza de los supuestos que necesitas hacer. Mientras que se puede hacer una inferencia de los efectos promedio con sólo suposiciones cualitativas leves --- como un DAG, sin necesidad de información paramétrica sobre la forma de las funciones o la distribución de los términos de error --- la inferencia sobre los efectos causales individuales requiere más detalles. Véase, por ejemplo, esta respuesta.
Permítanme darles dos ejemplos: en un modelo causal lineal, todos los efectos individuales del tratamiento están identificados --- la linealidad implica efectos constantes, por lo que el efecto individual del tratamiento es igual al efecto medio del tratamiento. Otro ejemplo, relacionado con el punto fino del libro de Hernán: si se trata al mismo individuo más de una vez con un reversible tratamiento, y si se asume que el individuo no cambia durante los periodos de tiempo También se puede estimar el efecto del tratamiento para ese individuo. Así que, como puede ver, todo depende de los supuestos causales que pueda sostener y del tipo de datos que pueda recoger.
