134
个编辑
更改
小第137行：
第137行： + + 第143行：
第145行： + + + + + + + + + + + + + + + + 第163行：
第181行： + + + + 第174行：
第196行： + + + + + + 第185行：
第213行： − + + +
→3 因果图和识别因果效应 Causal Diagrams and the Identification of Causal Effects 65
=== 3 因果图和识别因果效应 Causal Diagrams and the Identification of Causal Effects 65 ===
=== 3 因果图和识别因果效应 Causal Diagrams and the Identification of Causal Effects 65 ===
'''3.1 简介 Introduction 66'''
'''3.1 简介 Introduction 66'''
* 提出本章方法的动机，因果图和路径图的主要区别
*
*
3.2.1 作为干预模型的图 Graphs as Models of Interventions 68
3.2.1 作为干预模型的图 Graphs as Models of Interventions 68
* 因果效应的定义
3.2.2 作为干预的变量 Interventions as Variables 70
3.2.2 作为干预的变量 Interventions as Variables 70
* 干预效应的记号表示以及这种表示的优势
3.2.3 计算干预的效应 Computing the Effect of Interventions 72
3.2.3 计算干预的效应 Computing the Effect of Interventions 72
* 直接原因调整定理
* 一个动态过程控制的例子以理解计算干预效应的计算
3.2.4 识别因果量值 Identification of Causal Quantities 77
3.2.4 识别因果量值 Identification of Causal Quantities 77
* 可识别性，因果效应可识别性这两个概念的定义
* 利用可识别性这个概念，从3.2.3节的内容总结出一个定理和一个引理
'''3.3 控制混杂偏差 Controlling Confounding Bias 78'''
'''3.3 控制混杂偏差 Controlling Confounding Bias 78'''
3.3.1 后门准则 The Back-Door Criterion 79
3.3.1 后门准则 The Back-Door Criterion 79
* 后门定义，后门调整定理及其证明
3.3.2 前门准则 The Front-Door Criterion 81
3.3.2 前门准则 The Front-Door Criterion 81
* 前门定义，前门调整定理
3.3.3 例子：吸烟和基因论 Example: Smoking and the Genotype Theory 83
3.3.3 例子：吸烟和基因论 Example: Smoking and the Genotype Theory 83
* 前门条件的应用
'''3.4 计算干预 A Calculus of Intervention 85'''
'''3.4 计算干预 A Calculus of Intervention 85'''
3.4.2 推理规则 Inference Rules 85
3.4.2 推理规则 Inference Rules 85
* do-算子的三条规则，以及意义的解释
3.4.3 例子：因果效应的符号推导 Symbolic Derivation of Causal Effects: An Example 86
3.4.3 例子：因果效应的符号推导 Symbolic Derivation of Causal Effects: An Example 86
* 利用三条规则进行因果效应估计
3.4.4 替代试验的因果推断 Causal Inference by Surrogate Experiments 88
3.4.4 替代试验的因果推断 Causal Inference by Surrogate Experiments 88
3.5.1 可识别模型 Identifying Models 91
3.5.1 可识别模型 Identifying Models 91
* 可识别模型的7个特点，
3.5.2 不可识别模型 Nonidentifying Models 93
3.5.2 不可识别模型 Nonidentifying Models 93
* 不可识别模型的3个特点，有未被阻断的后门路径，有混杂变量，局部可识别不等于全局可识别
'''3.6 讨论 Discussion 94'''
'''3.6 讨论 Discussion 94'''
3.6.1 要求与扩展 Qualifications and Extensions 94
3.6.1 要求与扩展 Qualifications and Extensions 94
* 扩展本章提出的方法要考虑的三个方面，识别分析要能扩展到复杂的时变策略，非参数模型的干预计算，数据不是i.i.d采样得到的干预计算
3.6.2 作为数学语言的图 Diagrams as a Mathematical Language 96
3.6.2 作为数学语言的图 Diagrams as a Mathematical Language 96
3.6.3 从图到潜在因果的转换 Translation from Graphs to Potential Outcomes 98
3.6.3 从图到潜在因果的转换 Translation from Graphs to Potential Outcomes 98
3.6.4 跟Robin的G-估计的关系 Relations to Robins's G-Estimation 102
3.6.4 跟鲁宾的G-估计的关系 Relations to Robins's G-Estimation 102
* 鲁宾的潜在结果框架与结构分析的相似之处，以及结构分析在理论层面支持和泛化了鲁宾的工作
=== 4 行动，计划和直接效应 Actions, Plans, and Direct Effects 107 ===
=== 4 行动，计划和直接效应 Actions, Plans, and Direct Effects 107 ===