“前门调整”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
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
 
 
<nowiki>https://www.youtube.com/watch?v=-kWocwaXqlk&ab_channel=BradyNeal-CausalInference</nowiki>
 
  
 
==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)

前门调整


主要步骤如下[1]

  1. 估计T对M的因果效应
  2. 估计M对Y的因果效应
  3. 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

前门调整(内容包含调整公式)

例子