有向无环图(DAG)是统计模型中定性因果假设的有效直观表示,但是它们可以用于表示规则的工具变量方程(或其他方程)吗?如果是这样,怎么办?如果没有,为什么?
有向无环图(DAG)是统计模型中定性因果假设的有效直观表示,但是它们可以用于表示规则的工具变量方程(或其他方程)吗?如果是这样,怎么办?如果没有,为什么?
Answers:
是。
例如,在下面的DAG中,工具变量导致,而对的影响被未测量变量所混淆。
此DAG的工具变量模型将是使用估计对的因果效应,其中。X = È (X | Ž )
在以下情况下,此估计是无偏因果估计:
Ø X必须仅通过来因果影响
和都不得存在任何先前的原因。
该效果的上必须是均匀的。此假设/要求有两种形式,即弱和强:
前三个假设在DAG中表示。但是,DAG中没有代表最后的假设。
马萨诸塞州埃尔南(Hernán)和JM罗宾斯(Robins)(2019)。因果推理。第16章:工具变量估计。查普曼和霍尔/ CRC。
是的,他们肯定可以。
实际上,SCM / DAG文献一直在研究工具变量的广义概念,您可能需要检查Brito和Pearl,或者Chen,Kumor和Bareinboim。
基本的IV dag通常表示为:
其中是不可观察的,Z是X对Y的影响的工具。尽管这是您通常看到的图形,但是有几种不同的结构可以使Z成为乐器。对于基本情况,要检查Z是否是在一组协变量S的条件下X对Y的因果影响的工具,您有两个简单的图形条件:
第一个条件要求必须与原始DAG中的X连接。第二个条件要求Ž到不被连接到ÿ如果我们干预上X(由DAG表示ģ ¯ X,在这里除去指向的箭头X)。您可能要检查因果关系(第248页)。
例如,考虑下图,其中未观察到和U。在此,Z是L的条件,是X对Y的因果关系的工具。我们可以创建更复杂的案例,其中某些东西是否确实可以作为工具可能并不立即显而易见。
您应该记住的最后一件事是,使用工具变量方法进行识别需要参数假设。也就是说,找到一种工具不足以识别效果:您需要施加参数假设,例如线性或单调性等。