Чи можлива наявність змінної, яка виступає як модифікатором ефекту, так і конфундером?

Чи можлива наявність змінної, яка виступає як модифікатором ефекту (вимірювання), так і спонукачем для даної пари асоціацій ризик-результат?

Я ще трохи не впевнений у відмінність. Я переглянув графічні позначення, щоб допомогти мені зрозуміти різницю, але відмінності в нотації дивують. Графічне / візуальне пояснення обох та коли вони можуть перетинатися було б корисним.

Помилкова змінна повинна:

• Бути незалежно пов'язаним з результатом;
• Будьте пов'язані з експозицією
• Не повинен лежати на причинному шляху між впливом та результатом.

Це критерії розгляду змінної як потенційної заплутаної змінної. Якщо виявлено, що потенційний учасник (за допомогою тесту на стратифікацію та коригування) фактично змішує співвідношення між ризиком та результатом, то будь-яка невідрегульована асоціація, що спостерігається між ризиком та результатом, є артефактом конведера та, отже, не є реальним ефектом.

Модифікатор ефектів з іншого боку не бентежить. Якщо ефект справжній, але величина ефекту різна в залежності від деякої змінної X, то ця змінна X є модифікатором ефекту.

Отже, для того, щоб відповісти на ваше запитання, на мій погляд, неможливо мати змінну, яка виступає як модифікатором ефекту, так і заплутаною змінною для даного досліджуваного зразка та заданої пари факторів ризику та результатів.

Ви можете знайти більше інформації тут

Так, цілком можливо, що змінна є і конфордером, і модифікатором ефектів. Ми можемо запустити швидке моделювання в R, щоб переконатися в цьому: Розглянемо наступний механізм, з лікування і результат. впливає і на і на і, отже, це конфудент. Але він також взаємодіє з x і так змінює його вплив на y.y c x $x$$y$$c$$x$$y$

set.seed(234)
c <- runif(10000)
x <- c + rnorm(10000, 0, 0.1)
y <- 3*x + 2*x*c + rnorm(10000)

Отже, ми знаємо, що справжній причинний механізм - . Зрозуміло, змінює ефект . Однак, коли ми запускаємо лише регресію на , ми також бачимо, що плутанина стукає:c x y $y = 3*x + 2*x*c$$c$$x$$y$$x$

lm(y ~ x) 
Coefficients:
(Intercept)            x  
     -0.258        4.856 

Нарешті, як вказувалось у моєму коментарі, визначення, яке дав ойсютат, є помилковим. Це відображає те, що Юдея Перл називає "асоціаційним критерієм" для учасника, і він наводить кілька причин, чому це визначення не вдається. Див. Pearl (2009), причинність, розділ 6.3.