关于你问题的第一部分。我认为这样说更正确$D$是治疗分配的指标。因此，假设是个人是否得到治疗的选择与可能的结果无关。

问题是治疗的可能选择。可能会将治疗​​分配（或自行选择）给那些将从中受益最多的人。例如，假设有一些培训可以提高学业成绩，并且您想衡量它的影响。但是，这门课程并不是随机分配学生的，而是主要由具有出色计算机知识的学生选择。在这种情况下，如果您估计此特定培训的治疗效果，您可以将参与者（主要是计算机知识）与非参与者（主要不是计算机知识）的结果进行比较。因此，结果将是有偏差的，因为结果部分取决于要治疗的个体的选择。如果治疗分配与结果相关，则选择偏倚应该是明显的。

如果对治疗有这样的非随机分配，并且您知道分配仅取决于特征$X$（在本例中为计算机素养），您假设在控制$X$治疗组和未治疗组在其余特征上是相同的，除了其中一些得到治疗而另一些没有。因此，治疗和未治疗的结果之间的差异只能归因于接受治疗的事实，而不是群体中的个体从一开始就不同。有条件的$X$您假设治疗的分配是随机的，因此它与可能的结果无关。

第一个问题：有人可以更好地解释一下吗？所以给出一个真实的解释，而不仅仅是口头上的数学公式？

这意味着如果我们控制 X，则治疗分配与潜在结果无关。例如，对于班级规模对学习成果的研究，STAR 计划将特定学校的学生随机分配到小型教室或中型教室。在这种情况下，如果我们控制属于实验学校和实验年级的X，那么某人是否在中小型教室的分配与每个人未来的结果无关班级。未来的结果可能令人困惑。让我们假设如果它不是独立的，那么可能会发生的情况是，关心孩子的父母可能会推动他们更加努力地学习，并拉动他们进入小班。为父母粗心的孩子倒转。所以Y(1)-Y(0)不仅仅是班级分配的差异，也是家长细心的影响。所以当CIA满意时，如果你用回归来计算，W的系数就是感兴趣的因果效应。（我想我也回答了问题 II 哎呀）