রুবিনের কার্যকারিতা মডেল - লেম্যানের ব্যাখ্যাতে অসম্মতি

Question

রুবিনের কার্যকারিতা মডেলটি প্রয়োগ করার সময়, আমাদের যে একটি (অচেনাযোগ্য) অনুমিতি প্রয়োজন তা হ'ল অসমর্থন, যার অর্থ

$$(Y(0),Y(1))\perp T|X$$

যেখানে এলএইচএস প্রতিদ্বন্দ্বী হয়, টি হ'ল চিকিত্সা এবং এক্স সেই সমবায়ীয় যেগুলি আমরা নিয়ন্ত্রণ করি।

আমি ভাবছি যে এমন কোনও ব্যক্তির কাছে কীভাবে এটি বর্ণনা করা যায় যিনি রুবিন কার্যকারণ মডেল সম্পর্কে বেশি জানেন না। আমি বুঝতে পারি তাত্ত্বিকভাবে কেন আমাদের এই অনুমানের প্রয়োজন, তবে কেন এটি গুরুত্বপূর্ণ তা ধারণাগতভাবে সম্পর্কে আমি নিশ্চিত নই। বিশেষত, টি যদি চিকিত্সা হয় তবে এর সম্ভাব্য ফলাফল খুব বেশি নির্ভর করা উচিত নয়? পাশাপাশি, যদি আমাদের এলোমেলোভাবে নিয়ন্ত্রিত পরীক্ষা হয় তবে স্বয়ংক্রিয়ভাবে,$(Y(0),Y(1))\perp T$। কেন এই সত্য রাখা?

আরসিএম অধ্যয়ন না করে এমন কাউকে আপনি কীভাবে অজ্ঞানতা / অজ্ঞতা অনুমানকে বর্ণনা করবেন?

Comments

প্রপেনসিটি স্কোর মিলের ক্ষেত্রে প্রথমে এটি শর্তযুক্ত বিতরণ প্রমাণ করা সহজ distribution $X\ |\ T=1,p(X)=q$ শর্তসাপেক্ষে বিতরণের সাথে মিলে যায় $X\ |\ T=0,p(X)=q$। সুতরাং অযৌক্তিকতা / অজ্ঞতা যা বোঝায়$(Y(0),Y(1))\ \perp\ T\ |\ p(X)$। এলোমেলোভাবে পরীক্ষার জন্য,$T$ট্রায়ালগুলিতে অংশ নেওয়া অন্য কোনও পরিবর্তনশীল থেকে অবশ্যই স্বাধীন হতে হবে।

— ভিক্টর

Answer 1

আরসিএম অধ্যয়ন না করে এমন কাউকে আপনি কীভাবে অজ্ঞানতা / অজ্ঞতা অনুমানকে বর্ণনা করবেন?

কারও পক্ষে কার্যকারণ অনুমানের বিষয়ে দক্ষতা অর্জনের বিষয়ে অন্তর্নিহিততা সম্পর্কে আমি মনে করি আপনি এখানে গ্রাফগুলি ব্যবহার করতে পারেন। এগুলি এই অর্থে স্বজ্ঞাত যে তারা দৃশ্যত "প্রবাহ" দেখায় এবং অজ্ঞতার বাস্তব জগতে কী বোঝায় তা তারাও পরিষ্কার করে দেবে।

শর্তাধীন অজ্ঞতা দাবির সমান $X$পিছনের দিকের মানদণ্ডকে সন্তুষ্ট করে সুতরাং, স্বজ্ঞাত পদক্ষেপে, আপনি সেই ব্যক্তিকে বলতে পারেন যে আপনি যে সমবায়ীদের জন্য বেছে নিয়েছেন$X$ "ব্লক" এর সাধারণ কারণগুলির প্রভাব $T$ এবং $Y$ (এবং অন্য কোনও উত্সাহী সমিতি খুলবেন না)।

আপনার সমস্যার একমাত্র অনুমেয় বিস্ময়কর ভেরিয়েবল যদি চালু হয় vari $X$নিজেই, তবে এটি ব্যাখ্যা করা তুচ্ছ। আপনি শুধু যে যেহেতু বলতে$X$ উভয় সাধারণ কারণের সাথে যুক্ত $T$ এবং $Y$, আপনার জন্য এটি নিয়ন্ত্রণ করা দরকার। সুতরাং আপনি তাকে বলতে পারতেন যে আপনি বিশ্বকে কীভাবে দেখছেন:

আরও আকর্ষণীয় কেসটি হ'ল যখন সেখানে অন্য কলুষিত কনফন্ডার হতে পারে। আরও সুনির্দিষ্টভাবে বলতে গেলে, আপনি এমনকি সেই ব্যক্তিকে আপনার সমস্যার সম্ভাব্য কনফান্ডারারের নাম বলতে বলতে পারেন - এটি, তাকে এমন কোনও নামকরণ করতে বলুন যা উভয়ের কারণ হয়ে দাঁড়ায়$T$ এবং $Y$, কিন্তু এটি না $X$।

ব্যক্তির নাম ভেরিয়েবল বলুন $Z$। তারপরে আপনি সেই ব্যক্তিকে বলতে পারেন যে আপনার শর্তাধীন অজ্ঞতা অনুমানের কার্যকরভাবে বোঝার অর্থ হ'ল আপনার মনে হয়$X$ এর প্রভাব "ব্লক" করবে $Z$ চালু $T$ এবং / অথবা $Y$।

আপনি কেন এটি সত্য বলে মনে করেন তার একটি যুক্তিসঙ্গত কারণ আপনাকে দেওয়া উচিত। অনেকগুলি গ্রাফ রয়েছে যা এটি উপস্থাপন করতে পারে তবে বলে যে আপনি এই ব্যাখ্যাটি নিয়ে এসেছেন: "$Z$ ফলাফল পক্ষপাতিত্ব করবে না যদিও যদিও $Z$ কারণসমূহ $T$ এবং $Y$, এর প্রভাব $T$ শুধুমাত্র মাধ্যমে যায় $X$, যার জন্য আমরা নিয়ন্ত্রণ করছি " এবং তারপরে এই গ্রাফটি দেখান:

এবং আপনি অন্য কোফাউন্ডারদের সম্পর্কে চিন্তা করতে পারেন এবং কীভাবে তাকে প্রদর্শন করতে পারেন $X$ তাদের গ্রাফগুলিতে দৃশ্যমানভাবে অবরুদ্ধ করছে।

এখন ধারণামূলক প্রশ্নের উত্তর:

বিশেষত, টি যদি চিকিত্সা হয় তবে এর সম্ভাব্য ফলাফল খুব বেশি নির্ভর করা উচিত নয়? পাশাপাশি, যদি আমাদের এলোমেলোভাবে নিয়ন্ত্রিত পরীক্ষা হয় তবে স্বয়ংক্রিয়ভাবে,। কেন এই সত্য রাখা?

না $T$চিকিত্সা নিয়োগ হিসাবে। এটি যা বলে তা হ'ল আপনি চিকিত্সাটি লোকেরা কীভাবে চিকিত্সার প্রতি প্রতিক্রিয়া দেখায় "উপেক্ষা" করে দেওয়ার বিষয়টি নির্ধারণ করছেন (প্রতিবিম্বিত সম্ভাব্য ফলাফল)। এর একটি সাধারণ লঙ্ঘন হ'ল আপনি চিকিত্সা দেওয়ার ক্ষেত্রে ঝুঁকছেন যাঁরা সম্ভবত এটির থেকে সবচেয়ে বেশি উপকৃত হবেন।

আপনি এলোমেলোভাবে এনে রাখলে এটি স্বয়ংক্রিয়ভাবে ধারণ করে। যদি আপনি এলোমেলোভাবে চিকিত্সাটি চয়ন করেন তবে এর অর্থ আপনি তাদের চিকিত্সার জন্য তাদের সম্ভাব্য প্রতিক্রিয়াগুলি নির্বাচন করতে চেক করেননি।

---

উত্তরের পরিপূরক হিসাবে, এটি কার্যকারণ প্রক্রিয়া সম্পর্কে কথা না বলেই অজ্ঞতা বোধগম্য হওয়া অর্থাত্ স্ট্রাকচারাল সমীকরণ / গ্রাফিক্যাল মডেলগুলি না পেয়ে সত্যই শক্ত। গবেষকরা বেশিরভাগ সময় দেখতে পান যে "চিকিত্সাটি যেমন এলোমেলো ছিল" এই ধারণার কাছে আবেদন করে তবে তা কেন বা কেন আসল বিশ্ব প্রক্রিয়া এবং প্রক্রিয়াগুলি ব্যবহার করে গ্রহণযোগ্য।

প্রকৃতপক্ষে, অনেক গবেষক পরিসংখ্যানগত পদ্ধতির ব্যবহারকে ন্যায়সঙ্গত করার জন্য সুবিধার জন্য কেবল অজ্ঞতা বোধ করেন। জোফ্ফ, ইয়াং এবং ফিল্ডম্যান পেপারের এই অনুচ্ছেদটি একটি অসুবিধাজনক সত্য কথা বলেছে যা বেশিরভাগ লোক জানেন তবে সম্মেলনের উপস্থাপনা চলাকালীন তারা বলেন না: "অজ্ঞাততা অনুমানগুলি সাধারণত তৈরি করা হয় কারণ তারা উপলব্ধ পরিসংখ্যানগত পদ্ধতিগুলির ব্যবহারকে ন্যায়সঙ্গত প্রমাণ দেয়, কারণ সত্যিকার অর্থে বিশ্বাসী নয়।"

তবে, আমি যেমন উত্তরটির শুরুতে বলেছি, চিকিত্সার কার্যনির্বাহী অজ্ঞাত বা না তা নিয়ে তর্ক করার জন্য আপনি গ্রাফগুলি ব্যবহার করতে পারেন। যদিও অজ্ঞাততার ধারণাটি নিজেই উপলব্ধি করা শক্ত, কারণ এটি প্রতিরক্ষামূলক পরিমাণ সম্পর্কে রায় বলেছে, গ্রাফগুলিতে আপনি মূলত কার্যকারণ প্রক্রিয়াগুলি সম্পর্কে এই গুণগত বিবৃতি দিচ্ছেন (এই পরিবর্তনশীলটি সেই পরিবর্তনশীল ইত্যাদি কারণগুলি), যা ব্যাখ্যা করা সহজ এবং দৃষ্টিভঙ্গিযোগ্য।

আগের উত্তরে উল্লিখিত হিসাবে, গ্রাফ এবং সম্ভাব্য ফলাফলের মধ্যে একটি আনুষ্ঠানিক সমতা আছে । সুতরাং, আপনি গ্রাফ থেকেও সম্ভাব্য ফলাফলগুলি পড়তে পারেন। এই সংযোগটিকে আরও আনুষ্ঠানিক করে তোলার জন্য (আরও দেখুন পার্লের কার্যকারিতা দেখুন, পৃষ্ঠা ৩৩৩), আপনি নিম্নলিখিত সংজ্ঞাটি অবলম্বন করতে পারেন: সম্ভাব্য ফলাফলগুলি যখন টি স্থির থাকে তখন Y কে প্রভাবিত করে এমন সমস্ত ভেরিয়েবলের (পর্যবেক্ষণ এবং ত্রুটির শর্তাবলীর) পক্ষে দাঁড়ায় that ।

তারপরে এটি আরসিটিতে কেন অজ্ঞতা হ'ল তা সহজেই দেখা যায় তবে আরও গুরুত্বপূর্ণ এটি আপনাকে সহজেই এমন পরিস্থিতিগুলি সন্ধান করতে দেয় যেখানে অজানাতা ধরে রাখে না। উদাহরণস্বরূপ, গ্রাফে$T \rightarrow X \rightarrow Y$, টি অজ্ঞানীয়, তবে টি শর্তসাপেক্ষে এক্স প্রদত্ত নয়, কারণ এক্স এর শর্ত হয়ে গেলে আপনি এক্স থেকে টি এর ত্রুটি শব্দটি থেকে একটি সংঘর্ষের পথটি খোলেন you

সংক্ষিপ্তসার হিসাবে, অনেক গবেষক সুবিধার জন্য ডিফল্টরূপে অজ্ঞতা অনুমানটি তৈরি করেন। কেন এটি নিয়মিত তা প্রমাণ করার প্রয়োজন ছাড়াই একটি সেটগুলির নিয়ন্ত্রণের পর্যাপ্ততা অনুমান করার একটি সুবিধাজনক উপায়, তবে একজন সাধারণ ব্যক্তির পক্ষে আসল প্রেক্ষাপটে এর অর্থ কী তা বোঝানোর জন্য আপনাকে কার্যকারণমূলক গল্পটি উত্সাহিত করতে হবে, এটি কারণগত অনুমান , এবং কার্যকারণ গ্রাফের সাহায্যে আপনি সেই গল্পটি আনুষ্ঠানিকভাবে বলতে পারেন।

Answer 2

আমি মনে করি আপনি সম্ভাব্য ফলাফলের মধ্যে পার্থক্য নিয়ে ঝুঁকছেন $(Y^0,Y^1)$ এবং পর্যবেক্ষণ ফলাফল $Y$। দ্বিতীয়টি চিকিত্সা দ্বারা খুব বেশি প্রভাবিত, তবে আমরা আশা করি পূর্বের জুটিটি এটি নয়।

এখানে অন্তর্দৃষ্টি (কন্ডিশনার একপাশে রেখে) $X$সরলতার জন্য) পর্যবেক্ষণের ফলাফল সম্পর্কে। প্রতিটি পর্যবেক্ষণের জন্য, উপলব্ধ ফলাফল হিসাবে প্রকাশ করা যেতে পারে

$$Y=T \cdot Y^1 + (1-T) \cdot Y^0.$$

এই যে মানে $Y$ এবং $T$ নির্ভরশীল কারণ এর গড় মান $T \cdot Y^1$ গড়ের সমান হবে না $(1-T)\cdot Y^0$ (যতক্ষণ চিকিত্সার প্রভাব ননজারো হয় এবং চিকিত্সা এলোমেলোভাবে / উপেক্ষাযোগ্য হয়)।

এখানে দ্বিতীয় অংশের জন্য অন্তর্দৃষ্টি দেওয়া আছে। যদি আমরা কার্যকারিতা সম্পর্কে শিখতে যাচ্ছি$T$, আমরা পার্থক্য নেওয়ার সময় চিকিত্সা এবং চিকিত্সাবিহীন পর্যবেক্ষণগুলির তুলনা করব $X$হিসেবের মধ্যে. আমরা ধরে নিচ্ছি যে চিকিত্সা গোষ্ঠী চিকিত্সা না করায় নিয়ন্ত্রণ গ্রুপটি চিকিত্সা গোষ্ঠীর জন্য পাল্টা প্রতিপক্ষ। তবে যদি লোকেরা তাদের সম্ভাব্য ফলাফলগুলির (বা সম্ভাব্য ফলাফলগুলি সম্পর্কে প্রত্যাশা) ভিত্তিতে নিজস্ব চিকিত্সা চয়ন করে, তবে এই তুলনাটি ওরেঙ্গুয়ানদের কাছে আপেল। এটি একটি চিকিত্সা পরীক্ষার মতো যেখানে কেবল স্বাস্থ্যকর রোগীরা বেদনাদায়ক অস্ত্রোপচারের জন্য বেছে নেন কারণ এটি তাদের জন্য ব্যয়যোগ্য। কন্ডিশনার চালু হওয়ার পরে যদি চিকিত্সার জন্য বিকল্প বেছে নেওয়া পছন্দ পছন্দ করে না তবে আমাদের তুলনা দূষিত হবে$X$(চলকগুলি যা বর্তমান স্বাস্থ্যের অবস্থা পরিমাপ করে যা চিকিত্সক এবং রোগীদের জন্য পর্যবেক্ষণযোগ্য হওয়া উচিত)। অব্যবহারযোগ্য ভেরিয়েবলের একটি উদাহরণ হতে পারে যে কোনও স্ত্রী বা স্ত্রী আপনাকে খুব বেশি ভালবাসে, তাই তিনি আপনাকে শল্য চিকিত্সা করার আহ্বান জানান, তবে এটি নিশ্চিত করে তোলে যে আপনি ডাক্তারের নির্দেশনা পোস্ট-অপটিকেই আটকে রাখবেন, যার ফলে উন্নতি হবে$Y^1$ফলাফল। পরিমাপকৃত প্রভাবটি এখন সার্জারি এবং প্রেমময় সহায়তার কিছু সংমিশ্রণ যা আমরা পরিমাপ করতে চাই না। এর চেয়ে ভালো উদাহরণ হ'ল একটি$X$ যা চিকিত্সা দ্বারা প্রভাবিত হয়, হয় প্রাক্তন পোস্ট বা চিকিত্সার প্রত্যাশায় প্রাক্তন পূর্বে।

Comments

আপনি যে অংশটি বলছেন সেদিকে তাকিয়ে "আমি মনে করি আপনি সম্ভাব্য ফলাফল (ওয়াই 0, ওয়াই 1) এবং পর্যবেক্ষণের ফলাফলের ওয়াইয়ের মধ্যে পার্থক্যটি ঝুলিয়ে রেখেছেন। পরবর্তীকালে চিকিত্সা দ্বারা খুব বেশি প্রভাবিত, তবে আমরা আশা করি পূর্বের জুটিটি নয়। " এটিকে ব্যাখ্যা করা যেতে পারে "পর্যবেক্ষিত ফলাফল চিকিত্সার উপর নির্ভর করে, তবে চিকিত্সার কোনও প্রভাবের নাল অনুমানের অধীনে, চিকিত্সাটি সম্ভাব্য ফলাফলগুলিকে প্রভাবিত করবে না"? কেন আমরা আশা করি যে সম্ভাব্য ফলাফলগুলি চিকিত্সার দ্বারা প্রভাবিত হবে

— রায়ভেলকোরো

@ রায়ভেলকোরো না, আমি এটি কীভাবে রাখব তা নয় আমি বলব যে কাউকে চিকিত্সা দেওয়া হয়েছে (বা বেছে নেওয়া হয়েছে) চিকিত্সা ও চিকিত্সা উভয় ক্ষেত্রেই তার এক্স-এর উপর শর্তাধীন এবং তার থেকে সংজ্ঞায়িত কোনও কার্যকারণ সংক্রান্ত প্রভাব সম্পর্কে কোনও তথ্য নেই, তবে তার কোনও তথ্য নেই knowing$Y^1-Y^0$। শূন্য প্রভাবের নাল সাথে এর কোনও যোগসূত্র নেই।

— দিমিত্রি ভি। মাস্টারভ

আমি জিজ্ঞাসা করতে পারি কেন গড় গড় $TY^{1}$ এর গড় সমান নয় $(1-T)Y^0$ ইঙ্গিত দেয় যে $Y$ এবং $T$হল নির্ভরশীল? ধন্যবাদ

— user321627

@ ব্যবহারকারী321627 আপনি যদি চিকিত্সা এবং নিয়ন্ত্রণের জন্য পর্যবেক্ষণের ফলাফলের পার্থক্য গণনা করেন তবে তা স্পষ্ট হওয়া উচিত।

— দিমিত্রি ভি। মাস্টারভ