CATE

Conditional average treatment effect, czyli $\mathbb{E}[Y|do(T=1),Z=z]-\mathbb{E}[Y|do(T=0),Z=z]$

Metody estymacji CATE:

1. T-learner (Two-learner) - mamy dwa modele - jeden estymuje p-stwo gdy nie ma treatment, drugi gdy jest, estymacją CATE jest różnica wyników dwóch modeli
2. S-learner (Single-learner) - mamy jeden model, który przymuje na wejściu jako zmienną “czy był zastosowany treatment”. Uwaga: problem z tego typu estymatorem jest taki, że często niedoszacowuje
3. Double ML for causal inference

Źródło: A Tutorial Introduction to Heterogeneous Treatment Effect Estimation with Meta-learners, Causal Inference for The Brave and True