สามารถเขียนสมการตัวแปรเครื่องมือเป็นกราฟ acyclic (DAG) ได้หรือไม่?


15

Directed acyclic graphs (DAG) เป็นการนำเสนอภาพที่มีประสิทธิภาพของสมมติฐานเชิงสาเหตุเชิงคุณภาพในแบบจำลองทางสถิติ แต่สามารถใช้เพื่อแสดงสมการตัวแปรเครื่องมือแบบปกติ (หรือสมการอื่น ๆ ) ได้หรือไม่? ถ้าเป็นเช่นนั้นได้อย่างไร ถ้าไม่ทำไม

คำตอบ:


11

ใช่.

ยกตัวอย่างเช่นใน DAG ด้านล่างบรรเลงตัวแปรทำให้เกิดในขณะที่ผลกระทบของในจะได้อายเพราะไม่สามารถวัดตัวแปรUZXXOU

รูปแบบตัวแปรเครื่องมือสำหรับ DAG นี้จะเป็นที่จะประเมินผลกระทบเชิงสาเหตุของในใช้ที่Z)XOE(O|X^)X^=E(X|Z)

การประมาณนี้เป็นค่าประมาณเชิงสาเหตุที่เป็นกลางหาก:

  1. Zจะต้องเกี่ยวข้องกับXแก้ไข:และ (ตาม DAG ด้านบน) การเชื่อมโยงนี้ต้องไม่ถูกผูกมัด (ดูImbens )X

  2. Zต้องส่งผลกระทบต่อผ่านเท่านั้นO X

  3. ต้องไม่มีสาเหตุใด ๆ ก่อนหน้าของทั้งสองและZOZ

  4. ผลของในจะต้องเป็นเนื้อเดียวกัน สมมติฐาน / ข้อกำหนดนี้มีสองรูปแบบอ่อนแอและแข็งแกร่ง :XO

    • ความเป็นเนื้อเดียวกันที่อ่อนแอของผลของต่อ : ผลของต่อไม่แตกต่างกันไปตามระดับของ (เช่นไม่สามารถปรับเปลี่ยนผลของต่อ )XOXOZZXO
    • ความสม่ำเสมอของผลกระทบของต่อ : ผลของต่อนั้นคงที่สำหรับทุกคน (หรือหน่วยการวิเคราะห์ของคุณคืออะไร)XOXO

สมมติฐานสามข้อแรกแสดงอยู่ใน DAG อย่างไรก็ตามข้อสมมติฐานสุดท้ายไม่ได้แสดงอยู่ใน DAG

Hernán, MA และ Robins, JM (2019) สาเหตุการอนุมาน บทที่ 16: การประมาณค่าตัวแปรเครื่องมือ แชปแมน & ฮอล / CRC


2
ATE เป็นผลการรักษาโดยเฉลี่ยซึ่งเป็นผลสำหรับคนที่ถูกดึงแบบสุ่มในประชากร IV ที่มีข้อสมมุติฐานเดียว (หรือไม่มีผู้พิทักษ์) กู้คืนเฉพาะผลการรักษาโดยเฉลี่ยในท้องถิ่นสำหรับผู้ที่ปฏิบัติตามการมอบหมายซึ่งโดยทั่วไปจะแตกต่างจาก ATE ของประชากรหากมีความแตกต่างกัน แต่มักจะน่าสนใจมากขึ้นจากมุมมองนโยบาย
Dimitriy V. Masterov

1
@JulianSchuessler เมื่อตัวเลือกนโยบายประกอบด้วยการเคลื่อนย้ายเครื่องมือ LATE / CATE เป็นผลกระทบที่ถูกต้อง ตัวอย่างเช่นหากนโยบายเป็นเครดิตภาษีสำหรับแผงโซลาร์เซลล์ผลกระทบสำหรับผู้ที่ติดตั้งเฉพาะกับเครดิตในสถานที่จะเป็นสิ่งที่เกี่ยวข้อง สำหรับนโยบายเรามักจะสนใจผู้เข้าร่วมส่วนเพิ่ม
Dimitriy V. Masterov

1
เหตุใดมันจึงเพียงพอที่ Z เกี่ยวข้องกับ X เท่านั้น (เกณฑ์ 1) มีเพียงพอหรือไม่ที่ Z ไม่ส่งผลต่อ X แต่สัมพันธ์กับ X ผ่านตัวแปร U ที่ไม่ผ่านการวัด Som ถ้าเป็นเช่นนั้นทำไม
อีเลียส

1
@Alexis ขอบคุณ ฉันตรวจสอบรูปที่ 16.3 และโดยสังหรณ์ใจฉันพบว่าเครื่องมือควรจะใช้งานได้ในกรณีนี้ (พวกเขาพิสูจน์ได้หรือไม่ฉันยังไม่ได้อ่านหนังสือ) แต่คิดว่ามีปัจจัยรบกวนไม่สามารถวัดที่มีผลต่อและ จากนั้นจะยังคงมีความสัมพันธ์ (เกี่ยวข้อง) กับ - แต่จะใช้ได้หรือไม่ ไม่อ้างอิงจาก Imbens (หน้า 40, ข้อสันนิษฐานคีย์ที่สอง, 2019): arxiv.org/pdf/1907.07271.pdf (ดูรูปที่ 9c-9d) เงื่อนไขคือยิ่งไปกว่านั้นไม่สามารถทดสอบได้เนื่องจากเราต้องการข้อสันนิษฐานเชิงสาเหตุเพื่อให้สามารถพูดได้ว่าในความเป็นจริงแล้วไม่ใช่ความสับสนที่อาจเกิดขึ้น VZAZAV
อีเลียส

1
@Alexis ฉันทราบว่าแม้ว่าบทความนี้จะไม่ได้รับการตรวจสอบก็ตาม Imbens เป็นนักเศรษฐศาสตร์ที่มีชื่อเสียงระดับโลกและเป็นผู้เชี่ยวชาญในสาขานี้ ฉันต้องการอ้างถึงบทความและอาร์กิวเมนต์ที่สามารถเข้าถึงได้ มุมมองของเขายังแสดงในหนังสือตำรามาตรฐานในการอนุมานเชิงสาเหตุในเศรษฐมิติเช่น "การอนุมานเชิงสาเหตุสำหรับสถิติสังคมและวิทยาศาสตร์ชีวการแพทย์" ฉันวางตำแหน่งและที่นี่นอกเหนือจากความสัมพันธ์เชิงสาเหตุที่แสดงในรูป 16.3 หนึ่งยังอาจพิจารณาและA ฉันไม่ได้วางตำแหน่งแม้ว่ามันอาจได้รับการพิจารณา ฉันเดาหนึ่งความต้องการที่จะควบคุมสำหรับวีVZVAVUUAUZV
อีเลียส

10

ใช่พวกเขาสามารถ

ตามจริงแล้ววรรณคดี SCM / DAG ได้ทำงานเกี่ยวกับแนวคิดทั่วไปของตัวแปรเครื่องมือคุณอาจต้องการตรวจสอบBrito และ PearlหรือChen, Kumor และ Bareinboim

พื้นฐาน dag iv มักจะแสดงเป็น:

ป้อนคำอธิบายรูปภาพที่นี่

ที่ไหนคือไม่มีใครสังเกตและเป็นเครื่องมือสำหรับการผลของการที่บนYแม้ว่านี่คือกราฟที่คุณมักจะเห็นมีโครงสร้างที่แตกต่างกันหลายอย่างที่จะทำให้เครื่องมือเป็น สำหรับกรณีพื้นฐานเพื่อตรวจสอบว่าเป็นเครื่องมือสำหรับผลเชิงสาเหตุของบนเงื่อนไขบนชุดของ covariatesหรือไม่คุณมีเงื่อนไขกราฟิกสองประการ:UZXYZZXYS

  1. (Z⊥̸X|S)G
  2. (ZY|S)GX¯

เงื่อนไขแรกกำหนดให้ต้องเชื่อมต่อกับใน DAG ดั้งเดิม เงื่อนไขที่สองต้องที่จะไม่ต้องเชื่อมต่อกับถ้าเราเข้าไปแทรกแซงใน (แสดงโดย DAGที่คุณลบลูกศรที่ชี้ไปที่ ) คุณอาจต้องการตรวจสอบเวรกรรม (หน้า. 248)ZXZYXGX¯X

ตัวอย่างเช่นพิจารณากราฟด้านล่างด้วยและไม่มีใครสังเกต นี่เป็นเงื่อนไขใน , เครื่องมือสำหรับผลสาเหตุของในYเราสามารถสร้างกรณีที่ซับซ้อนมากขึ้นซึ่งอาจไม่ชัดเจนในทันทีว่ามีบางสิ่งที่มีคุณสมบัติเป็นเครื่องมือหรือไม่WUZLXY

ป้อนคำอธิบายรูปภาพที่นี่

สุดท้ายสิ่งหนึ่งที่คุณควรมีในใจคือบัตรประจำตัวที่ใช้วิธีการตัวแปรบรรเลงต้องการสมมติฐานตัวแปร นั่นคือการค้นหาเครื่องมือไม่เพียงพอสำหรับการระบุผลกระทบ: คุณจำเป็นต้องกำหนดสมมติฐานแบบพารามิเตอร์เช่นแบบเชิงเส้นหรือแบบโมโนโทนิตี้เป็นต้น


คุณช่วยอธิบายว่า Z ตอบสนองความ A1 ในกราฟที่สองของคุณได้อย่างไร?
Dimitriy V. Masterov

@ DimitriyV.Masterov คุณหมายถึงอะไรเป็นหรือไม่ ที่ถือเพราะเป็นสาเหตุของและXA1(Z⊥̸X|L)GWZX
Carlos Cinelli
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.