准备环境：装好 Python 和必备库

首先，你需要在电脑上安装 Python（一种编程语言，用来写代码）。建议下载 Anaconda（一个包含 Python 和常用工具的软件包），它自带 Jupyter Notebook（一个写代码的网页工具，像电子文档一样方便）。

1. 访问 anaconda.com/download，选择对应系统的安装包下载。
2. 安装时勾选“Add Anaconda to my PATH environment variable”（把 Anaconda 加入系统路径，方便后续使用）。
3. 安装完成后，打开终端（Mac/Linux）或命令提示符（Windows），输入 python --version 检查是否显示版本号。
4. 接着安装需要用到的库：在终端输入 pip install numpy pandas scipy matplotlib jupyter，等待安装完成。

安装步骤：下载示例代码并运行

我们使用一个现成的示例来学习合成控制法。合成控制法是一种在无法做 A/B 测试时，通过构造“合成对照组”来评估效果的方法。

1. 打开浏览器，访问 GitHub 仓库：https://github.com/RudrenduPaul/product-experimentation-causal-inference-genai-llm/tree/main/04_synthetic_control
2. 点击绿色的“Code”按钮，选择“Download ZIP”，下载后解压到某个文件夹。
3. 在终端中，使用 cd 命令进入该文件夹（例如 cd ~/Downloads/04_synthetic_control）。
4. 输入 jupyter notebook 启动 Jupyter，浏览器会自动打开一个页面。
5. 在页面中找到 synthetic_control_demo.ipynb 文件，点击打开。
6. 依次点击每个代码单元格，按 Shift+Enter 运行。你会看到数据和图表逐步出现。

验证是否成功：看懂输出结果

运行完所有代码后，你会看到一张图，展示真实处理组（被升级的组）和合成对照组（模拟的未升级组）的对比。两条线在升级前几乎重合，升级后分开的差距就是模型升级带来的效果。如果图形看起来合理，说明你成功跑通了第一个合成控制示例。

下一步可以做什么

• 尝试修改代码中的日期或参数，观察结果变化。
• 阅读代码中的注释，理解每一行在做什么。
• 学习更多因果推断方法，比如双重差分法。