更改

添加1,191字节 、 2021年7月21日 (三) 18:05
无编辑摘要
第1行: 第1行: −
工具变量是与do演算不同的联系干预层和观测层的一种方法,它通过模拟随机对照实验来实现因果效应估计,它在计量经济学、流行病学中被普遍应用。尽管do演算能够计算出所有可识别的因果效应,但是对于某些不可识别的情况,工具变量可以发挥作用。
+
工具变量是与do演算不同的联系干预层和观测层的一种方法,它通过在观测层模拟随机控制试验来得到干预层的信息,从而实现因果效应估计,它在计量经济学、流行病学中被普遍应用。尽管do演算能够计算出所有可识别的因果效应,但是对于不可识别的情况,do演算无法把干预层表达式变形为观测层表达式。此时,如果满足一定条件,工具变量也许可以发挥作用。
   −
"它能帮助我们揭示do演算无法揭示的因果信息"。——Judea Pearl
+
"它能帮助我们揭示do演算无法揭示的因果信息"。<ref name=":0">Pearl, Judea, and Dana Mackenzie. ''The book of why: the new science of cause and effect''. Basic books, 2018.</ref>——Judea Pearl
   −
"虽然关于工具变量集得识别问题超越了do演算的应用范畴,但我们仍然可以借助因果图来解决这个问题"。——Judea Pearl
+
"虽然关于工具变量集得识别问题超越了do演算的应用范畴,但我们仍然可以借助因果图来解决这个问题"。<ref name=":0" />——Judea Pearl
   −
== 工具变量 ==
+
== 工具变量概念 ==
工具变量
+
当我们在研究干预变量(治疗变量)对于结果变量(解释变量)的影响时,如果干预变量和结果变量存在不可观测的共同原因,即存在混杂因子,那么干预变量对于结果变量的因果效应是不可识别的。此时,可以通过随机对照实验去混杂,当满足下列条件时,也可以通过其他变量(工具变量)去混杂:
   −
== 工具变量 ==
+
(1)工具变量与混杂因子相互独立,不存在因果箭头
在研究干预变量对于结果变量(解释变量)的影响时,如果存在混杂
+
 
 +
(2)工具变量与干预变量高度相关,存在工具变量指向干预变量的因果箭头
 +
 
 +
(3)工具变量与结果变量相互独立,不存在因果箭头
 +
 
 +
== 应用案例 ==
 +
1853-1854年,英格兰爆发了霍乱疫情。霍乱是一种由霍乱细菌引起,主要通过水源传播的疾病,但是当时,人们此一无所知,一种具有竞争力的观点认为霍乱是由某种不可观测的“瘴气”引起该疾病,而且“瘴气”会污染水源。John Snow研究的是水源对于霍乱的影响。
    
== 应用案例 ==
 
== 应用案例 ==
134

个编辑