Czy równanie zmiennej instrumentalnej można zapisać jako ukierunkowany wykres acykliczny (DAG)?
15
Kierowane wykresy acykliczne (DAG) są wydajnymi wizualnymi reprezentacjami jakościowych założeń przyczynowych w modelach statystycznych, ale czy można je wykorzystać do przedstawienia regularnego równania zmiennej instrumentalnej (lub innych równań)? Jeśli tak to jak? Jeśli nie to dlaczego?
ATE to średni efekt leczenia, który jest efektem dla przypadkowo oskubanej osoby w populacji. IV z założeniem monotoniczności (lub braku czynników przeciwstawnych) odzyskuje tylko lokalny średni efekt leczenia dla osób, które wypełniają zlecenie, który zwykle różni się od populacji ATE, jeśli występuje jakakolwiek niejednorodność, ale często bardziej interesujący z perspektywy polityki.
Dimitriy V. Masterov
1
@JulianSchuessler Gdy opcja polityki polega na przesunięciu instrumentu, właściwym jest LATE / CATE. Na przykład, jeśli polisa stanowi ulgę podatkową na panele słoneczne, wpływ na tych, którzy instalują tylko z ulgą, jest odpowiedni. Jeśli chodzi o polisy, często jesteśmy zainteresowani krańcowym uczestnikiem.
Dimitriy V. Masterov
1
Dlaczego wystarczy, że Z jest skojarzone tylko z X (kryterium 1)? Czy wystarczy, że Z nie wpływa przyczynowo na X, ale jest skorelowane z X poprzez som niezmierzoną zmienną U? Jeśli tak, to dlaczego?
Elias,
1
@Alexis Thanks. Sprawdziłem rys. 16.3 i intuicyjnie stwierdziłem, że w tym przypadku instrument powinien być ważny (czy to udowodnią? Nie przeczytałem książki). Załóżmy jednak, że istnieje niezmierzony pomieszaczV to wpływa Z i A. NastępnieZ będą nadal skorelowane (powiązane) A- ale czy będzie ważny? Nie, zgodnie z Imbens (strona 40, drugie założenie kluczowe, 2019): arxiv.org/pdf/1907.07271.pdf (patrz także rys. 9c-9d). Co więcej, warunek ten nie jest możliwy do przetestowania, ponieważ potrzebujemy założenia przyczynowego, aby móc to powiedziećVw rzeczywistości nie jest potencjalnym czynnikiem zakłócającym.
Elias,
1
@Alexis Zwracam uwagę, że chociaż artykuł nie został poddany przeglądowi, Imbens jest znanym na całym świecie ekonometrycznym i ekspertem w tej dziedzinie. Chciałem odnieść się do dostępnego artykułu i argumentu. Jego pogląd wyraża się również w standardowych, nowoczesnych podręcznikach wnioskowania przyczynowego w ekonometrii, takich jak „Wnioskowanie przyczynowe dla statystyki, nauk społecznych i nauk biomedycznych”. Zastanawiam sięV→Z i V→Atutaj oprócz relacji przyczynowych wyrażonych na ryc. 16.3 Można również rozważyćV→U i U→A. Nie myślęU→Z, choć można to rozważyć. Myślę, że trzeba kontrolowaćV.
Elias,
10
Tak, z pewnością mogą.
W rzeczywistości literatura SCM / DAG pracuje nad uogólnionymi pojęciami zmiennych instrumentalnych, możesz chcieć sprawdzić Brito i Pearl , lub Chen, Kumor i Bareinboim.
Podstawowy IV dag jest zwykle przedstawiany jako:
Gdzie U jest nieobserwowany i Z jest instrumentem efektu X na Y. Chociaż jest to zazwyczaj wykres, który można renderować, istnieje kilka różnych strukturZinstrument. W przypadku podstawowym sprawdź, czyZ jest narzędziem wywołującym efekt przyczynowy X na Y uwarunkowane zestawem zmiennych towarzyszących S, masz dwa proste warunki graficzne:
(Z⊥̸X|S)G
(Z⊥Y|S)GX¯¯¯
Pierwszy warunek wymaga Z być połączonym Xw oryginalnym DAG. Drugi warunek wymagaZaby nie być podłączony doYjeśli będziemy interweniować naX (reprezentowany przez DAG GX¯¯¯¯¯, w którym usuwasz strzałki wskazujące na X). Możesz sprawdzić przyczynowość (strona 248) .
Weźmy na przykład poniższy wykres z W i Unie zauważony. Tutaj,Zjest uzależniony odL, instrument do przyczynowo-skutkowego działania X na Y. Możemy tworzyć bardziej skomplikowane przypadki, w których może nie być od razu oczywiste, czy coś kwalifikuje się jako instrument, czy nie.
Ostatnią rzeczą, o której należy pamiętać, jest to, że identyfikacja przy użyciu metod zmiennych instrumentalnych wymaga założeń parametrycznych . Oznacza to, że znalezienie instrumentu nie wystarczy do identyfikacji efektu: należy narzucić założenia parametryczne, takie jak liniowość lub monotoniczność i tak dalej.
Tak, z pewnością mogą.
W rzeczywistości literatura SCM / DAG pracuje nad uogólnionymi pojęciami zmiennych instrumentalnych, możesz chcieć sprawdzić Brito i Pearl , lub Chen, Kumor i Bareinboim.
Podstawowy IV dag jest zwykle przedstawiany jako:
GdzieU jest nieobserwowany i Z jest instrumentem efektu X na Y . Chociaż jest to zazwyczaj wykres, który można renderować, istnieje kilka różnych strukturZ instrument. W przypadku podstawowym sprawdź, czyZ jest narzędziem wywołującym efekt przyczynowy X na Y uwarunkowane zestawem zmiennych towarzyszących S , masz dwa proste warunki graficzne:
Pierwszy warunek wymagaZ być połączonym X w oryginalnym DAG. Drugi warunek wymagaZ aby nie być podłączony doY jeśli będziemy interweniować naX (reprezentowany przez DAG GX¯¯¯¯¯ , w którym usuwasz strzałki wskazujące na X ). Możesz sprawdzić przyczynowość (strona 248) .
Weźmy na przykład poniższy wykres zW i U nie zauważony. Tutaj,Z jest uzależniony odL , instrument do przyczynowo-skutkowego działania X na Y . Możemy tworzyć bardziej skomplikowane przypadki, w których może nie być od razu oczywiste, czy coś kwalifikuje się jako instrument, czy nie.
Ostatnią rzeczą, o której należy pamiętać, jest to, że identyfikacja przy użyciu metod zmiennych instrumentalnych wymaga założeń parametrycznych . Oznacza to, że znalezienie instrumentu nie wystarczy do identyfikacji efektu: należy narzucić założenia parametryczne, takie jak liniowość lub monotoniczność i tak dalej.
źródło