鲁宾因果模型中的无疑之处-莱曼的解释

在实施鲁宾的因果模型时，我们需要的（不可笑）假设之一是无混杂感，这意味着

LHS是反事实，T是治疗方法，X是我们控制的协变量。

我想知道如何将其描述给对鲁宾因果模型了解不多的人。我理解为什么从理论上讲我们需要这个假设，但是从概念上我不确定为什么这很重要。具体来说，如果使用T作为治疗方法，那么潜在的结果是否应该非常依赖于它？同样，如果我们有一个随机对照试验，然后自动，$(Y(0),Y(1))\perp T$。为什么这适用呢？

您将如何向未学习RCM的人描述“无足轻重/无知”的假设？

您将如何向未学习RCM的人描述“无足轻重/无知”的假设？

关于对因果推理不熟悉的人的直觉，我认为这是您可以使用图的地方。从视觉上看它们显示“流动”的意义上说，它们是直觉的，它们还将阐明可燃性在现实世界中的实质含义。

有条件的可忽略性等同于声称满足后门准则。因此，以直觉的方式，您可以对某人说，您为X选择的协变量会“阻止” T和Y常见原因的影响（并且不会打开任何其他虚假关联）。$X$$X$$T$$Y$

如果问题的唯一可能混淆的变量是本身的变量，那么这很容易解释。您只是说，因为X包含了T和Y的所有常见原因，所以您需要控制所有这些。所以你可以对她说，这就是你如何看待世界：$X$$X$$T$$Y$

更有趣的情况是，当那里可能还有其他可能的混杂因素时。更具体地说，您甚至可以要求该人说出您的问题的潜在混杂因素-也就是说，要求她说出引起和Y的东西，但不在X中。$T$$Y$$X$

假设此人为变量命名。然后，您可以对那个人说，您的条件可燃性假设实际上意味着您认为X会“阻止” Z对T和/或Y的影响。 $Z$$X$$Z$$T$$Y$

并且您应该给她一个实质性的理由，为什么您认为那是真的。有许多图形可以表示这一点，但您可以得出以下解释：“ 不会使结果产生偏差，因为即使Z导致T和Y，其对T的影响也只能通过我们控制的X来进行。” $Z$$Z$$T$$Y$$T$$X$然后显示此图：

您可能会想到其他共同创始人，并向她展示如何在图表上以视觉方式阻止他们。$X$

现在回答概念性问题：

具体来说，如果使用T作为治疗方法，那么潜在的结果是否应该非常依赖它？同样，如果我们有一个随机对照试验，则自动。为什么这适用呢？

否。将视为治疗任务。它的意思是您将治疗分配给人们“忽略”他们对治疗的反应（反事实的潜在结果）。一个简单的违规行为就是您倾向于给那些可能从中受益最大的人提供治疗。$T$

这就是为什么当您随机化时会自动保留。如果您随机选择治疗者，这意味着您没有检查他们对治疗的潜在反应以选择他们。

作为答案的补充，值得注意的是，在不讨论因果过程的情况下（即在不调用结构方程/图形模型的情况下）了解可燃性确实很难。大多数时候，您会看到研究人员对“这种治疗是随机的”想法很有吸引力，但却没有使用现实的机制和过程来说明为什么这样做是合理的，或者为什么这种做法是合理的。

实际上，为了证明使用统计方法的合理性，许多研究人员只是为了方便而假定可忽略性。Joffe，Yang和Feldman论文的这段话说了一个大多数人都知道的不便的事实，但在会议演讲时却没有说：“无知性假设通常是因为它们证明了使用可用的统计方法的合理性，而不是因为人们真正相信了。”

但是，正如我在答案开头所说的那样，您可以使用图形来争论治疗任务是否可忽略。虽然可燃性概念本身很难理解，因为它陈述了有关反事实数量的判断，但是在图中，您基本上是在对因果过程进行定性说明（此变量导致该变量等），这些原因易于解释且在视觉上具有吸引力。

如先前的回答所述，图形与潜在结果之间存在形式上的等价关系。因此，您也可以从图形中读取潜在的结果。为了使这种连接更加正式（有关更多信息，请参见Pearl的因果关系，第343页），您可以采用以下定义：当T保持恒定时，潜在结果将代表影响Y的所有变量（观察和错误项）的总和。 。

然后，很容易看出为什么可燃性在RCT中仍然有效，但更重要的是，它还使您能够轻松地发现可燃性不成立的情况。例如，在图，T是可忽略的，但在给定X的情况下T是不可有条件的，因为一旦对X进行条件调整，便会打开从X的误差项到T的碰撞路径。$T \rightarrow X \rightarrow Y$

综上所述，为方便起见，许多研究人员在默认情况下都进行了可燃性假设。这是一种假定一组控件足够而无需正式证明原因的简便方法，但是要解释外行在真实环境中的含义，则需要引用因果关系的故事，即因果关系的假设，您可以借助因果图来正式讲述该故事。

$(Y^0,Y^1)$$Y$

$X$

$Y$$T$$T \cdot Y^1$$(1-T)\cdot Y^0$

$T$$X$$X$$Y^1$$X$