316
个编辑
更改
跳到导航
跳到搜索
第28行：
第28行： − 平均因果作用的估计方法包括逆概率加权、回归、匹配等一系列方法，甚至可以构造双稳健的估计方法，使得只要倾向得分模型或回归模型之一设定正确，就能得到平均因果作用的相合估计。+ + 第35行：
第36行： − + 第43行：
第44行： − +
无编辑摘要
平均因果作用的估计方法包括[[逆概率加权]]、[[回归分析|回归]]、[[匹配]]等一系列方法，甚至可以构造[[双稳健]]的估计方法，使得只要[[倾向得分匹配|倾向得分]]模型或回归模型之一设定正确，就能得到平均因果作用的相合估计。
Judea Pearl提出用后门准则来判断可忽略性。在有向无环图中，如果控制一组条件变量，处理变量和结果变量的所有后门路径被阻断，则可忽略性成立。然而实际上基于有向无环图判断可忽略性的做法并不严格。Thomas Richardson和James Robins曾提出单一世界干预图（SWIG），可将处理分配变量、干预值和潜在结果表现在因果图上。在单一世界干预图中，处理分配变量和干预值被阻断，通过检查处理分配变量与潜在结果的后门是否被阻断，可以更严格地判断可忽略性<ref>Hernan & Robins，What if书</ref>。
Judea Pearl提出用[[后门准则]]来判断可忽略性。在有向无环图中，如果控制一组条件变量，处理变量和结果变量的所有后门路径被阻断，则可忽略性成立。然而实际上基于有向无环图判断可忽略性的做法并不严格。Thomas Richardson和James Robins曾提出单一世界干预图（SWIG），可将处理分配变量、干预值和潜在结果表现在因果图上。在单一世界干预图中，处理分配变量和干预值被阻断，通过检查处理分配变量与潜在结果的后门是否被阻断，可以更严格地判断可忽略性<ref>Hernan & Robins，What if书</ref>。
== 定义 ==
== 定义 ==
可忽略性（或无混淆性）的简明含义是，当涉及潜在结果（Y）时，我们可以忽略一个人是怎样最终处于一个群体中而非另一个群体中(“处理组”Tx = 1，或“控制组”Tx = 0）。它也被称为无混淆杂性、基于可观测变量的选择或无遗漏变量偏差<ref>{{cite journal|last1=Yamamoto|first1=Teppei|title=Understanding the Past: Statistical Analysis of Causal Attribution|journal=Journal of Political Science|date=2012|volume=56|issue=1|pages=237–256|doi=10.1111/j.1540-5907.2011.00539.x|hdl=1721.1/85887}}</ref>。
可忽略性（或无混淆性）的简明含义是，当涉及潜在结果（Y）时，我们可以忽略一个人是怎样最终处于一个群体中而非另一个群体中(“处理组”Tx = 1，或“控制组”Tx = 0）。它也被称为无混淆杂性、基于可观测变量的选择或无遗漏变量偏差<ref>{{cite journal|last1=Yamamoto|first1=Teppei|title=Understanding the Past: Statistical Analysis of Causal Attribution|journal=Journal of Political Science|date=2012|volume=56|issue=1|pages=237–256|doi=10.1111/j.1540-5907.2011.00539.x|hdl=1721.1/85887}}</ref>。
所以，如果个体接受处理（上角标为 <sup>1</sup>），其对应的潜在结果Y为Y<sub>1</sub><sup>1</sup>/*Y<sub>0</sub><sup>1</sup>，实际上它们可观测的结果是（Y<sub>1</sub><sup>1</sup>, 下角标也为 <sub>1</sub>） ，而不是*Y<sub>0</sub><sup>1</sup>。注意：* 表示这个值是无法获取或不可观测的，即''完全与事实相反''或称为反事实 counterfactual（CF）。
所以，如果个体接受处理（上角标为 <sup>1</sup>），其对应的潜在结果Y为Y<sub>1</sub><sup>1</sup>/*Y<sub>0</sub><sup>1</sup>，实际上它们可观测的结果是（Y<sub>1</sub><sup>1</sup>, 下角标也为 <sub>1</sub>） ，而不是*Y<sub>0</sub><sup>1</sup>。注意：* 表示这个值是无法获取或不可观测的，即''完全与事实相反''或称为[[反事实]] counterfactual（CF）。