Confounder - визначення

Як стверджує М. Кац у своїй книзі « Багатовимірний аналіз» (Розділ 1.2, сторінка 6), « Конфідент асоціюється з фактором ризику і причинно пов’язаний з результатом. » Чому учасник повинен бути причинно пов'язаний з результатом? Чи буде достатньо для того, щоб доповідач був пов'язаний з результатом?

Чому думка повинна бути причинно пов'язана з результатом? Чи буде достатньо для того, щоб доповідач був пов'язаний з результатом?

Ні, цього недостатньо.

Почнемо з того випадку, коли у вас може бути змінна, яка пов'язана як з результатом, так і з лікуванням, але контроль за цим може змістити вашу оцінку.

$Z$

У цьому випадку немає ніякого плутанини, ви можете оцінити вплив X на Y безпосередньо.

Зауважте, однак, що Z пов'язаний як з лікуванням, так і з результатом. Але це все ще не конфедерація. Насправді, якщо ви контролюєте Z в цьому випадку, ви б змістили свою оцінку. Така ситуація називається M-зміщення (через структуру графа).

$X$$Y$

Тут знову ж таки Z асоціюється з X та Y, але це не є співзасновником. Ви не повинні контролювати це.

Тепер варто зауважити, що навіть якщо змінна причинно пов'язана з результатом , вона також не обов'язково є конфундером.

Візьмемо випадок медіаторів у простому графіку нижче:

Якщо ви хочете виміряти сумарний вплив D на Y, вам не слід контролювати речі, що опосередковують ефект --- в цьому випадку M. Тобто, M причинно пов'язаний з Y, але це не є прихильником щодо загальний вплив D на Y.

Зверніть увагу , однак, що визначення confouding набагато простіше , ніж визначення , що таке confounder є. Для більш суворого обговорення визначення поняття " конфудер" , ви можете прочитати цю статтю ВандерВеле та Шпіцера.

Чому це так? Тому що головна концепція тут - сама конфузія, а не конфедерація. Для вас дослідницьке питання, ви повинні запитати себе "як я можу усунути непорозуміння?" замість "чи ця змінна є конфундером?".

І як остаточне зауваження, варто згадати, що ці помилки все ще широко поширені. Просто для ілюстрації, візьміть цю цитату з паперу за 2016 рік :

Причинно-наслідковий висновок за відсутності рандомізованого експерименту або сильної квазіекспериментальної конструкції вимагає відповідного обумовлення всіх змінних до попереднього лікування, які прогнозують і лікування, і результат, також відомий як заплутані коваріати.

Як ми показали в попередніх прикладах, це неправильно. Конфундери - це "не всі змінні показники попереднього лікування, які передбачають і лікування, і результат". Контроль за всіма ними може не знадобитися для усунення збитків з пантелику, або це навіть може змістити ваші результати. Перл має дуже хороший огляд збентеження тут.