更改

跳到导航 跳到搜索
添加330字节 、 2022年6月11日 (六) 00:42
无编辑摘要
第1行: 第1行:  
此词条暂由因果科学读书会词条梳理志愿者我是猫(74989)翻译审校,趣木木编写,未经专家审核,带来阅读不便,请见谅。
 
此词条暂由因果科学读书会词条梳理志愿者我是猫(74989)翻译审校,趣木木编写,未经专家审核,带来阅读不便,请见谅。
  −
许多统计研究的最终目标是预测干预措施的效果。比如收集西部火灾相关因素的数据,实际上是要寻找可以干预的因素,以减少火灾的发生;当对一种新的癌症药物进行研究时,通过让患者服药以实施干预,观察患者用药后的反应;而当研究暴力电视节目与儿童的攻击性行为之间的相关性时,是想尝试确认减少儿童接触暴力电视节目的干预措施能否降低儿童的攻击性。
      
== 概念来源 ==
 
== 概念来源 ==
干预是因果关系之梯的第二层级,在因果之梯第一层,即便是“以某个变量为条件(conditioning on)”的操作,也只是依据现有观测到的数据进行统计,并没有改变数据的分布。
+
干预是因果关系之梯的第二层级,在因果之梯第一层,即便是“以某个变量为条件(conditioning on)”的操作,也只是依据现有观测到的数据进行统计,并没有改变数据的分布。对一个变量进行干预与以该变量为条件的区别是很明显的。当我们在模型中对一个变量进行干预时,我们将固定这个变量的值。其他变量的值也随之改变。当我们以一个变量为条件时,我们什么也不会改变;我们只是将关注的范围缩小到样本的子集,选取其中我们感兴趣的变量的值。因此,以变量为条件改变的是我们看世界的角度,而干预则改变了世界本身。当我们进行干预以确定一个变量的值时,我们就限制了该变量随其他自然变量而变化的自然趋势。对应在图模型中,干预的操作将删除所有指向该变量的边。
 
  −
干预(intervention)和以变量为条件(conditioning on)有着本质的区别。当我们在模型中对一个变量进行干预时,我们将固定这个变量的值。其他变量的值也随之改变。当我们以一个变量为条件时,我们什么也不会改变;我们只是将关注的范围缩小到样本的子集,选取其中我们感兴趣的变量的值。因此,以变量为条件改变的是我们看世界的角度,而干预则改变了世界本身。
     −
当我们进行干预以确定一个变量的值时,我们就限制了该变量随其他自然变量而变化的自然趋势。在图模型中,干预的操作将删除所有指向该变量的边。
+
实际应用中,干预非常重要,许多统计研究的最终目标是预测干预措施的效果。比如,当我们对一种新的抗癌药物进行研究时,我们试图确定当我们对病人进行药物干预时,病人的病情如何变化。当我们研究暴力电视节目和儿童的攻击行为之间的关系时,我们希望知道,干预减少儿童接触暴力电视节目是否会减少他们的攻击性行为;收集西部火灾相关因素的数据,其实是想要寻找可以干预的因素,以减少火灾的发生。
   −
实际应用中,干预也非常重要。比如,当我们对一种新的抗癌药物进行研究时,我们试图确定当我们对病人进行药物干预时,病人的病情如何变化。当我们研究暴力电视节目和儿童的攻击行为之间的关系时,我们希望知道,干预减少儿童接触暴力电视节目是否会减少他们的攻击性行为。
+
在统计学中,为了研究一个变量是否引起另一个变量的变化。我们通常会进行随机对照试验,这也被称为统计学的黄金准则。在一个正确的随机对照试验中,除了输入变量,所有影响输出变量的因素要么不变,要么是随机变化的,因此输出变量的任何改变必然由这一输入变量引起。不幸的是,很多问题不适合用随机对照试验来解决。比方说,我们不能控制天气,所以无法将引起火灾的变量随机化;研究暴力电视节目时,虽然可以随机选取参与者,但是很难有效的控制每个孩子看电视的行为,因此几乎不可能知道我们对孩子的控制是否有效,甚至在随机药物试验中,也会出现很多问题,参与者退出了,没有吃药,或者谎报吃药。在随机对照试验不可行的情况下,研究人员实施观察性研究,他们仅仅记录数据,而不是控制数据。这样的方式很难将因果关系从相关关系中提取出来。
   −
在统计学中,我们为了研究这样的问题,一个变量是否引起另一个变量的变化。我们通常会进行一个随机对照试验,这也被成为统计学的黄金准则。在一个正确的随机对照试验中,除了输入变量,所有影响输出变量的因素要么不变,要么是随机变化的,因此输出变量的任何改变必然由这一输入变量引起。
+
温尼伯大学最近的一项研究表明,青少年过度发短信与(知识)“肤浅”相关。有媒体证实说,发短信使得青少年更加肤浅(从干预角度说,对青少年进行干预,使他们减少发短信的数量,进而不让他们那么“肤浅”)。但是,这个实验没有证明任何事情,既可能是肤浅使青少年发短信更多,也可能是肤浅和短信过多是由一个共同因素引起的,例如基因。如果可能的话,对该基因因素进行干预,即可更好的确定是何种原因导致了该结果。
   −
不幸的是,很多问题不适合用随机对照试验来解决。比方说,研究暴力电视节目时,虽然可以随机选取参与者,但是很难有效的控制每个孩子看电视的行为,因此几乎不可能知道我们对孩子的控制是否有效,甚至在随机药物试验中,也会出现很多问题,参与者退出了,没有吃药,或者谎报吃药。在随机对照试验不可行的情况下,研究人员实施观察性研究,他们仅仅记录数据,而不是控制数据。这样方式很难将因果关系从相关关系中提取出来,因此产生干预模型,通过do演算将因果关系从相关关系中分离出来。
+
由此,产生干预模型,通过do演算将因果关系从相关关系中分离出来。<!-- 写到这
 +
-->
    
== 解决的问题 ==
 
== 解决的问题 ==

导航菜单