“前门调整”的版本间的差异
跳到导航
跳到搜索
| 第3行： | 第3行： | ||
我们期望在给定如下因果图的情况下，判断治疗变量 T 对结果变量 Y 的因果效应 $P(Y| do(t))$，其中 W 是一个未观测的混淆变量，M 是中介变量。（注意：我们现在观测不到W，无法进行后门调整） | 我们期望在给定如下因果图的情况下，判断治疗变量 T 对结果变量 Y 的因果效应 $P(Y| do(t))$，其中 W 是一个未观测的混淆变量，M 是中介变量。（注意：我们现在观测不到W，无法进行后门调整） | ||
| + | [[文件:Front door.png|缩略图|229x229像素|前门调整]] | ||
| + | |||
| + | |||
主要步骤如下<ref>https://www.bradyneal.com/Introduction_to_Causal_Inference-Dec17_2020-Neal.pdf</ref>： | 主要步骤如下<ref>https://www.bradyneal.com/Introduction_to_Causal_Inference-Dec17_2020-Neal.pdf</ref>： | ||
| 第9行： | 第12行： | ||
# 估计M对Y的因果效应 | # 估计M对Y的因果效应 | ||
# 结合以上两种因果效应 | # 结合以上两种因果效应 | ||
| − | |||
| − | |||
| − | |||
==前门准则== | ==前门准则== | ||
2021年7月22日 (四) 16:09的版本
调整目的： 因果效应估计
我们期望在给定如下因果图的情况下，判断治疗变量 T 对结果变量 Y 的因果效应 $P(Y| do(t))$，其中 W 是一个未观测的混淆变量，M 是中介变量。（注意：我们现在观测不到W，无法进行后门调整）
主要步骤如下[1]：
- 估计T对M的因果效应
- 估计M对Y的因果效应
- 结合以上两种因果效应
前门准则
有后门路径的定义，链接到后门调整
https://cse.sc.edu/~javidian/Notes_Presentations/BackFrontDoor.pdf