由前面的叙述可知，个体因果效应τi=Y1i-Y0i？，i=1，…，N是不可观测的。另外，在实证研究中，我们关心的往往不是某一特定个体的因果效应，而是平均因果效应。在实证研究中常用的三个因果效应参数为：控制组的平均因果效应（Average Treatment Effect for the Control，ATC）、处理组的平均因果效应（Average Treatment Effect for the Treated，ATT）和总体平均因果效应（Average Treatment Effect，ATE）。

控制组的平均因果效应（ATC）

假设有N个个体，用i=1，…，N表示，Di是处理变量并且Di∈{0，1}，则

当且仅当式（2.1）成立，可以用处理组的观测结果来代替控制组的反事实结果，从而观测到的平均结果差异就是ATC。

处理组的平均因果效应（ATT）

对于上式，第一项E（Y1i|Di=1）是可以观测到的，第二项E（Y0i|Di=1）是反事实结果观测不到。因此，估计τATT的关键就是估计处理组的这一反事实结果。在下式成立的条件下

即用控制组的观测结果来代替处理组的反事实结果，从而两组观测结果的平均差异就是处理组的平均因果效应。式（2.2）反映了处理组和控制组的可比性，即除了接受处理之外，其他特征都相同。如果没有实施干预状态下，两组个体潜在结果就有显著差异，那么在干预状态下两组结果的差别就不完全由干预造成，即用回归结果估计干预组平均因果效应会有偏差，这一偏差通常称为选择偏差（selection bias）：(www.daowen.com)

观测到的处理组和控制组之间的平均结果差异为：

可见，观测到的平均结果差异可以分解为两部分：一部分是处理组平均因果效应（E（Y1i-Y0i|Di=1）），另一部分是选择性偏误E（Y0i|Di=1）-E（Y0i|Di=0）。若选择性偏误为0，则观测到的平均结果差异就是处理组的平均因果效应。

总体的平均因果效应（ATE）

当且仅当式（2.1）和式（2.2）成立，观测到的平均结果差异就是总体的平均因果效应。

这三个因果效应参数是政策评估中最常用的参数，根据研究的需要还可以定义根据不同协变量分组的平均因果效应参数，不同的因果效应参数回答不同的政策问题。在因果推断中，必须对个体分配机制进行深入分析，才能做出科学的推断。如果处理为二值变量，简单回归系数实际是两组个体的观测结果平均值差异。通常情况下，总体回归系数不能解释为任何因果效应参数。但在一定的假设条件下，回归系数会有因果效应的解释。