สมมติว่าคุณมีความสนใจในผลสาเหตุบนYข้อความต่อไปนี้ไม่ค่อยแม่นยำ แต่ฉันคิดว่าถ่ายทอดสัญชาตญาณเบื้องหลังทั้งสองวิธี:DY
การปรับประตูหลัง:กำหนดตัวแปรอื่นที่ (อายุเพศ) ขับทั้ง (ยา) และ (สุขภาพ) จากนั้นหาหน่วยที่มีค่าเหมือนกันสำหรับ (วัยเดียวกันเพศเดียวกัน) แต่มีค่าที่แตกต่างกันสำหรับการและการคำนวณความแตกต่างในYหากมีความแตกต่างในระหว่างหน่วยเหล่านี้มันควรจะเกิดจากและไม่ได้เกิดจากสิ่งอื่นใดXDYXDYYD
กราฟสาเหตุที่เกี่ยวข้องมีลักษณะดังนี้:
การปรับตั้งประตูหน้า:นั่นหมายความว่าคุณต้องเข้าใจกลไกที่ (ตอนนี้สมมุติว่ามันสูบบุหรี่) ส่งผลต่อ (มะเร็งปอด) สมมติว่ามันไหลผ่านตัวแปร (tar ในปอด): (การสูบบุหรี่) ส่งผลต่อ (tar) และ (tar) มีผลต่อ ; ไม่มีผลกระทบโดยตรง จากนั้นเพื่อค้นหาผลกระทบของต่อให้คำนวณผลของการสูบบุหรี่บน tar และจากนั้นผลของ tar ที่เป็นมะเร็ง - อาจเกิดจากการปรับแบ็คดอร์ - และคูณผลของต่อกับผลของต่อDYMDMMYDYDMMY.
กราฟสาเหตุที่เกี่ยวข้องมีลักษณะดังนี้ (โดยที่ไม่สังเกต ):U
นี่คือการปรับหน้าประตูทำงานเพราะไม่มีเส้นทางกลับเปิดประตูจากไปMเส้นทางถูกบล็อค เพราะนี่คือลูกศร "ชน" ในYดังนั้นDMD←U→Y←MYD→M effect is identified.
Similarly, the M→Y effect is identified because the only back-door path from M to Y runs over D, so you can adjust for it using the back-door strategy.
In sum, you can identify the "submechanisms", and there is no direct effect, so you can piece together the submechanisms to estimate the overall effect.
This will not work if U infuences M, because then identifying the submechanisms does not work.