DAG (Directed acyclic graphs)는 통계적 모델에서 정 성적 인과 가정을 효율적으로 시각적으로 표현한 것으로 일반 악기 변수 방정식 (또는 다른 방정식)을 나타내는 데 사용할 수 있습니까? 그렇다면 어떻게? 그렇지 않다면 왜?
DAG (Directed acyclic graphs)는 통계적 모델에서 정 성적 인과 가정을 효율적으로 시각적으로 표현한 것으로 일반 악기 변수 방정식 (또는 다른 방정식)을 나타내는 데 사용할 수 있습니까? 그렇다면 어떻게? 그렇지 않다면 왜?
답변:
예.
DAG 아래에서 예를 들어, 계기 변수 발생 효과하면서 에 측정되지 않은 변수에 의해 혼동되고 .
이 DAG위한 도구 변수 모델의 인과 효과 추정 될 에 사용 , .
이 추정치는 다음과 같은 경우에 편향되지 않은 인과 적 추정치입니다.
는 와 연결 되어야합니다 . : 편집 (DAG 상기에서와 같이) 그리고,이 협회 자체가 (참조 unconfounded해야 Imbens을 ).
인과 적 영향을해야한다 만을 통해
와 의 이전 원인이 없어야합니다 .
효과 의 에 균일해야합니다. 이 가정 / 요구 사항은 두 가지 형태가 약한 및 강한 :
처음 세 가정은 DAG에 표시됩니다. 그러나 마지막 가정은 DAG에 표시되지 않습니다.
헤르 난, MA와 로빈, JM (2019). 인과 추론 . 16 장 : 도구 변수 추정. 채프먼 & 홀 / CRC.
예, 물론 가능합니다.
사실, SCM / DAG 문헌은 도구 변수의 일반화 된 개념에 대해 작업 해 왔으며, Brito and Pearl 또는 Chen, Kumor 및 Bareinboim을 확인하고 싶을 것입니다.
기본 IV dag는 일반적으로 다음과 같이 표시됩니다.
여기서 는 관찰되지 않으며 는 가 에 미치는 영향을 측정하는 도구입니다 . 이것이 일반적으로 나타나는 그래프이지만 를 계측기로 만드는 여러 가지 다른 구조가 있습니다. 기본 케이스를 들어 있는지 여부를 확인하기 위해 의 인과 효과를위한 도구입니다 에서 공변량의 집합을 조건으로 , 당신은 두 가지 간단한 그래픽 조건이있다 :
첫 번째 조건에서는 원래 DAG에서 를 에 연결 해야합니다 . 두 번째 조건은 필요 하기 있지 에 연결되어 우리 경우 개입 에 (DAG에 의해 표현 , 당신이 가리키는 화살표 제거 여기서 ). 인과 관계 를 확인하고 싶을 수도 있습니다 (248 페이지) .
예를 들어, 와 관찰하지 않은 아래 그래프를 고려하십시오 . 여기서, 이다 조건부 의 인과 효과 악기 에 . 우리는 무언가가 도구로서 자격이 있는지 아닌지 즉시 알 수없는 더 복잡한 경우를 만들 수 있습니다.
마지막으로 명심해야 할 것은 도구 변수 방법을 사용한 식별에는 매개 변수 가정이 필요하다는 것 입니다. 즉, 기기를 찾는 것만으로는 효과를 식별하기에 충분하지 않습니다. 선형성 또는 단 조성 등의 파라 메트릭 가정을 적용 해야 합니다.