关于因果推断中的可识别性问题：

定义： identifiability（可识别性），即如果一个因果量可以通过纯统计量计算得到，则该因果量为可识别的，这意味着我们可以从观测数据中求得因果效应。

在观察性研究中，借助什么样的数据可以推出可靠的因果效应呢？具体来说，假如我们对每个用户有一系列干预前的指标（pre-treatment variables）
𝑋、有干预 𝑇、有观察结果 𝑌

我们能不能推断出 T 对 Y 的因果效应？

这个问题就是因果推断中的可识别性问题。可识别性依赖于几个假设，这些假设通常被称为causal assumption