Pytania otagowane jako causality

Związek między przyczyną a skutkiem.

2
Bezzasadność w modelu przyczynowym Rubina - wyjaśnienie Laika
Wdrażając model przyczynowy Rubina, jednym z (niestabilnych) założeń, których potrzebujemy, jest nieuzasadnienie, co oznacza (Y(0),Y(1))⊥T|X(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X Tam, gdzie LHS jest alternatywą, T to leczenie, a X to zmienne towarzyszące, które kontrolujemy. Zastanawiam się, jak to opisać osobie, która nie wie dużo o modelu przyczynowym Rubina. Rozumiem, dlaczego teoretycznie potrzebujemy tego …
2
Różnica między szczeblami drugim i trzecim w Drabinie związku przyczynowego
W „Księdze powodu” Judei Pearl mówi o tym, co nazywa drabiną przyczynową, która jest zasadniczo hierarchią złożoną z różnych poziomów rozumowania przyczynowego. Najniższe dotyczy wzorców asocjacji w obserwowanych danych (np. Korelacja, prawdopodobieństwo warunkowe itp.), Następne skupiają się na interwencji (co się stanie, jeśli celowo zmienimy proces generowania danych w określony …
12 causality 
1
Efekt przyczynowy poprzez regulację drzwi tylnych i drzwi wejściowych
Jeśli chcielibyśmy obliczyć przyczynowo-skutkowy wpływ na na poniższym wykresie przyczynowym, możemy użyć zarówno twierdzeń o dopasowaniu tylnych drzwi, jak i przednich drzwi, tj. XXXYYYP(y|do(X=x))=∑uP(y|x,u)P(u)P(y|do(X=x))=∑uP(y|x,u)P(u)P(y | \textit{do}(X = x)) = \sum_u P(y | x, u) P(u) i P(y|do(X=x))=∑zP(z|x)∑x′P(y|x′,z)P(x′).P(y|do(X=x))=∑zP(z|x)∑x′P(y|x′,z)P(x′).P(y | \textit{do}(X = x)) = \sum_z P(z | x) \sum_{x'} P(y|x', z)P(x'). Czy …
1
W jaki sposób zmienne instrumentalne uwzględniają błąd selekcji?
Zastanawiam się, jak zmienna instrumentalna rozwiązuje problem selekcji w regresji. Oto przykład, którego żuję: w „W większości nieszkodliwych ekonometriach ” autorzy omawiają regresję IV dotyczącą służby wojskowej i zarobków w późniejszym życiu. Pytanie brzmi: „Czy służenie w wojsku zwiększa, czy zmniejsza przyszłe zarobki?” Badają to pytanie w kontekście wojny w …
2
Dlaczego wykorzystywanie danych przekrojowych do wnioskowania / przewidywania zmian podłużnych jest złą rzeczą?
Szukam papieru, który mam nadzieję, że istnieje, ale nie wiem, czy on istnieje. Może to być zestaw studiów przypadków i / lub argument z teorii prawdopodobieństwa, dlaczego wykorzystanie danych przekrojowych do wnioskowania / przewidywania zmian podłużnych może być złą rzeczą (tj. Niekoniecznie tak, ale może być). Widziałem błąd popełniony na …
4
Czy w OLS jest test na pomijane zmienne odchylenie?
Jestem świadomy testu Ramseya Reset, który może wykryć zależności nieliniowe. Jeśli jednak wyrzucisz jeden ze współczynników regresji (tylko zależności liniowe), możesz uzyskać błąd, w zależności od korelacji. Nie jest to oczywiście wykrywane przez test Reset. Nie znalazłem testu dla tego przypadku, ale stwierdzenie: „Nie możesz przetestować OVB, chyba że podasz …
4
Zasoby online dotyczące filozofii przyczynowego wnioskowania przyczynowego
Czy możesz polecić jakieś książki, artykuły, eseje, samouczki / kursy online itp., Które byłyby interesujące i użyteczne dla epidemiologa / biostatysty do poznania filozofii przyczynowości / wnioskowania przyczynowego? Wiem sporo na temat wnioskowania przyczynowego z frameworku epi i biostatów, ale chciałbym dowiedzieć się czegoś o filozofii, która leży u podstaw …
4
Jak znaleźć związki przyczynowe w danych?
Powiedzmy, że mam tabelę z kolumnami „A”, „B” Czy istnieje metoda statystyczna pozwalająca ustalić, czy „A” powoduje „B”? Tak naprawdę nie można używać r Pearsona, ponieważ: testuje tylko korelację między wartościami korelacja nie jest przyczyną Wartość r Pearsona może korelować tylko relacje liniowe Jakie inne opcje mam tutaj?
3
Czy założenie liniowości w regresji liniowej jest jedynie definicją
Przeglądam regresję liniową. Podręcznik Greene'a stanowi: Teraz oczywiście będą inne założenia dotyczące modelu regresji liniowej, takie jak . To założenie w połączeniu z założeniem liniowości (które w rzeczywistości definiuje ), nakłada strukturę na model.E(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0ϵϵ\epsilon Jednak założenie liniowości sama nie stawia żadnej struktury w naszym modelu, ponieważ może być zupełnie dowolna. …
2
Czy paradoks Simpsona obejmuje wszystkie przypadki odwrócenia się od ukrytej zmiennej?
Poniżej znajduje się pytanie dotyczące wielu wizualizacji przedstawionych jako „dowód za obrazem” istnienia paradoksu Simpsona i być może pytanie dotyczące terminologii. Paradoks Simpsona jest dość prostym zjawiskiem, które można opisać i podać numeryczne przykłady (powód, dla którego może się to zdarzyć, jest głęboki i interesujący). Paradoks polega na tym, że …
1
Wybór wag ścieżki w modelach koncepcyjnych SEM dla bliźniąt jednojajowych i braterskich z wykorzystaniem openMx
Przeglądam pakiet R OpenMx do analizy epidemiologii genetycznej, aby dowiedzieć się, jak określać i dopasowywać modele SEM. Jestem w tym nowy, więc znoś mnie. Postępuję zgodnie z przykładem na stronie 59 Podręcznika użytkownika OpenMx . Tutaj rysują następujący model koncepcyjny: Określając ścieżki, ustawiają ciężar utajonego „jednego” węzła dla manifestowanych węzłów …
2
Jaki jest związek między wnioskowaniem przyczynowym a prognozowaniem?
Jakie są zależności i różnice między wnioskowaniem przyczynowym a prognozowaniem (zarówno klasyfikacja, jak i regresja)? W kontekście prognoz mamy zmienne predykcyjne / wejściowe i zmienne odpowiedzi / wyjściowe. Czy to oznacza, że ​​istnieje związek przyczynowy między zmiennymi wejściowymi i wyjściowymi? Czy zatem przewidywanie należy do wnioskowania przyczynowego? Jeśli dobrze rozumiem, …
2
Czy można mieć zmienną, która działa zarówno jako modyfikator efektu, jak i dezorientujący?
Czy można mieć zmienną, która działa zarówno jako modyfikator efektu (pomiaru), jak i czynnik zakłócający dla danej pary powiązań ryzyko-wynik? Nadal jestem trochę niepewny co do tego rozróżnienia. Spojrzałem na notację graficzną, aby pomóc mi zrozumieć różnicę, ale różnice w notacji są oszałamiające. Przydatne byłoby graficzne / wizualne objaśnienie tych …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.