بشكل عام، لا يتوفّر مفهوم النتائج المحتمَلة في الانحدار لأنّ نماذج الانحدار تقدّر التوقّعات الشَرطية لمتغيّر القصص المرسَلة. ومع ذلك، بموجب الافتراضات الرئيسية للتبديل المشروط والثبات:
الافتراضات الرئيسية
قابلية الاستبدال المشروطة:
\( \overset \sim Y_{g,t}^{(\{ x_{g,t,m}^{(\ast)} \})} \) يكون مستقلاً عن المتغيّرات العشوائية \(\bigl\{ X_{g,t,m}^{(\ast)} \bigr\}\) لأي سيناريو مضاد للواقع \(\bigl\{ x_{g,t,m}^{(\ast)} \bigr\}\). وبالتالي، فإنّ مجموعة النتائج المحتملة مستقلة بشكل مشروط عن قرار تنفيذ الإعلانات السابق الذي اتّخذه المعلِن.
الاتساق:
\( \overset \sim Y_{g,t} = \overset \sim Y_{g,t}^{ (\{ x_{g,t,m}^{(\ast)} \}) } \) متى \(\bigl\{ X_{g,t,m}^{(\ast)} \bigr\} = \bigl\{ x_{g,t,m}^{(\ast)} \bigr\}\)وبالتالي، فإنّ مؤشر الأداء الرئيسي المرصود هو النتيجة المحتمَلة للسيناريو البديل الذي يتطابق مع تنفيذ الوسائط السابق للمعلِن.
بموجب هذه الافتراضات، تحصل على النتيجة المذكورة سابقًا:
إنّ افتراض الاتساق بديهي إلى حدٍ ما، ويُطبَّق ما لم يكن البديل محدّدًا بشكلٍ سيئ أو غير ممثّل بدقة في البيانات. لمزيد من المعلومات، يُرجى الاطّلاع على Hernan MA, Robins JM, (2020) Causal Inference: What If.
إنّ افتراض قابلية التبادل المشروطة أقل بديهية بعض الشيء. ينطبق هذا الافتراض إذا تم قياس جميع المتغيّرات المشوّشة وتضمينها في صفيف التحكّم \(\{z_{g,t,c}\}\). المتغيّرات المشوّشة هي أيّ متغيّر له أثر سببي في كلّ من العلاج المرصود \(\{x_{g,t,m}\}\) والنتيجة\(\{\overset \sim y_{g,t}\}\). يمكن أن يشير السبب في التأثير على العلاج إلى تأثير في مستوى الميزانية الإجمالي للمعلِن أو التوزيع على مستوى القنوات أو التوزيع على مستوى المواقع الجغرافية أو التوزيع على مستوى الفترات الزمنية. من الناحية العملية، من الصعب معرفة ما إذا تم قياس جميع المتغيّرات المشوّشة لأنّه مجرد افتراض، ولا يتوفّر اختبار إحصائي لتحديد ذلك من بياناتك. ومع ذلك، قد يكون من المفيد معرفة أنّه يتمّ الحفاظ على افتراض الاستبدال المشروط إذا كنت تفترض أنّ الرسم البياني السببي يستوفي شرطًا يُعرف باسم معيار الباب الخلفي (Pearl, J., 2009). لمزيد من المعلومات، اطّلِع على الرسم البياني السببي.