কোনও ভেরিয়েবলের জন্য নিয়ন্ত্রণ করা কখন অনুচিত?


15

আমি কমপক্ষে একটি নিষ্পাপ উদাহরণটি ভাবতে পারি। ধরা যাক আমি এক্স এবং জেডের মধ্যে সম্পর্ক অধ্যয়ন করতে চাই। আমার সন্দেহও হয়েছিল যে ওয়াই জেডকে প্রভাবিত করে, তাই আমি ওয়াইয়ের জন্য নিয়ন্ত্রণ করি However তবে এটি যেমন জানা গেছে, এক্স আমার পক্ষে অজানা, এক্স এর ফলে ওয়াই জেড হয় এবং ওয়াই জেডকে কারণ হিসাবে চিহ্নিত করে by ওয়াইয়ের জন্য, আমি এক্স এবং জেডের মধ্যে সম্পর্ককে "আবরণ" করি, যেহেতু এক্স প্রদত্ত জেডের চেয়ে পৃথক।

এখন, পূর্ববর্তী উদাহরণে, এটি হতে পারে যে আমার যে সম্পর্কগুলি নিয়ে পড়াশোনা করা উচিত সেগুলি হ'ল এক্স এবং ওয়াই এবং ওয়াই এবং জেড এর মধ্যে থাকা However তবে, আমি যদি এই ধরণের বিষয়গুলিকে অগ্রাধিকার জানতাম তবে আমি বিজ্ঞান করতাম না প্রথম স্থান. আমি এখন যে স্টাডিটি করেছিলাম তা সূচিত করে যে এক্স এবং জেড এর মধ্যে কোনও সম্পর্ক নেই, যা এটি নয় .... এক্স এবং জেড এআরই সম্পর্কিত।

এটি নিম্নলিখিত নির্ভরতা-চিত্রটিতে চিত্রিত হয়েছে। সঠিক দৃশ্যে, জেড X এবং Y এবং X এবং Y এর উপর নির্ভর করে independent এক্স এবং জেডের মধ্যে সম্পর্ক নির্ধারণের জন্য আমরা ওয়াইয়ের পক্ষে যথাযথভাবে নিয়ন্ত্রণ করি left বাম দৃশ্যে জেড ওয়াইয়ের উপর নির্ভর করে যা এক্স এর উপর নির্ভর করে। এক্স এবং জেড স্বাধীন ওয়াই প্রদত্ত, সুতরাং এক্স এবং জেড এর মধ্যে সম্পর্কটি নিয়ন্ত্রণ করে "আচ্ছাদিত" করা হয়েছে ওয়াই

variable_relationships

আমার প্রশ্নটি মূলত "পরিবর্তনশীল ওয়াইয়ের জন্য নিয়ন্ত্রণ করা কখন উপযুক্ত এবং কখন নয়?" ... এক্স এবং ওয়াইয়ের মধ্যকার সম্পর্কটিকে পুরোপুরি তদন্ত করা কঠিন বা অসম্ভব হতে পারে তবে উদাহরণস্বরূপ, নির্দিষ্ট স্তরে ওয়াই নিয়ন্ত্রণ করা হয় একটি বিকল্প. আমাদের অধ্যয়ন পরিচালনা করার আগে আমরা কীভাবে সিদ্ধান্ত নেব এবং খুব বেশি বা খুব সামান্য নিয়ন্ত্রণের সাধারণ ক্ষতিগুলি কী কী?

উদ্ধৃতি প্রশংসিত।


7
একটি উদাহরণ দেওয়ার জন্য, আপনার সঠিক পরিস্থিতি বর্ণ বৈষম্যের প্রভাব মূল্যায়নে উঠে আসে। রেস হতে দিন । যাক জেড মজুরি হও। Y পড়াশুনা করা যাক । স্পষ্টতই শিক্ষার মজুরির প্রভাব পড়ে, সুতরাং আপনি তার জন্য নিয়ন্ত্রণ রাখতে চান, তবে যদি বর্ণ বৈষম্যের কারণে কোনও জাতিগত সংখ্যালঘুকে আরও খারাপ শিক্ষা পেতে থাকে তবে শিক্ষার জন্য নিয়ন্ত্রণ করা সেই বৈষম্যকে .েকে রাখে। যেমন। দেখতে নীল এবং জনসন (1996) । আলেকিসের উত্তরটি উল্লেখ করার সাথে সাথে আপনার সমস্যার বিশদ বিবরণে .োকা দরকার। প্রেস করার জন্য একটি সাধারণ বোতাম নেই যা সমস্ত কিছু সমাধান করে। XZY
ম্যাথিউ গুন

1
সরল বোতাম টিপানোর জন্য আমার কোনও আশা ছিল না। সত্যই, যদি আমার প্রশ্নটির কোনও তুচ্ছ উত্তর থেকে যায় তবে আমি বেশ হতাশ হতাম। :)
স্কট

1
@ রেপমেট হ্যাঁ যাইহোক, চতুর্থ অনুমানের 4 অনুমান খুব কমই পূরণ করা হয়, এবং তা থাকা সত্ত্বেও জড়িত সমিতির শক্তি আইভি অনুমানকে পক্ষপাতমূলক ফলাফল দিতে পারে। উদাহরণস্বরূপ, হার্নান এবং রবিন্স কার্যকারণ অনুমান (পুরো উত্তর এবং আমার উত্তরের লিঙ্ক) দেখুন, অধ্যায় 16: যন্ত্রের ভেরিয়েবলের অনুমান।
অ্যালেক্সিস

1
@ অ্যালেক্সিস স্বাভাবিকভাবেই, চতুর্থ শ্রেণিগুলি আসা খুব কঠিন ... "কোনও নিখরচায় মধ্যাহ্নভোজ" নয় এবং সমস্ত কিছু, তবে যখন আপনি করেন, আপনি প্রায়শই অল্প অল্প সন্দেহের সাথেই জানতে পারবেন know
পুনরায় খেলুন

1
@ রেপমেট ... বৈধ চতুর্থ অনুমানের অনুমানগুলির জন্য চিত্রযুক্ত ড্যাগের চেয়ে বেশি প্রয়োজন ... এগুলি সত্যই যথেষ্ট দুর্বল।
অ্যালেক্সিস

উত্তর:


7

কন্ডিশনিং (অর্থাত্ সমন্বয় করা) তৃতীয় ভেরিয়েবলের উপর কিছু ভবিষ্যদ্বাণী প্রদত্ত কিছু ফলাফলের সম্ভাবনাগুলি ব্যাপকভাবে অনুশীলন করা হয়, তবে আপনি যথাযথভাবে উল্লেখ করেছেন, কার্যকারণ প্রভাবের উপস্থাপনা হিসাবে ফলস্বরূপ অনুমানের পক্ষে পক্ষপাতদ্বারটি চালু করা যেতে পারে । এটি এমনকি সম্ভাব্য কার্যকারণকারী কনফন্ডারারের "ধ্রুপদী" সংজ্ঞার সাথেও ঘটতে পারে, কারণ উভয় কনফন্ডার নিজেই এবং আগ্রহের ভবিষ্যদ্বাণীকারী উভয়েরই প্রবাহে আরও কার্যকরী কনফন্ডার থাকতে পারে। নীচের ডাগে, উদাহরণস্বরূপ, এল ডি এর উপর এর কার্যকারণ প্রভাবের একটি সর্বোত্তম অভিযোজক , কারণ (1) এটি কারণটির কারণ হয় এবং তাই এটি ই এর সাথে যুক্ত এবং (2) ডি এর সাথে সম্পর্কিত কারণ এটি এর সাথে সম্পর্কিতLEDED যা ডি এর সাথে জড়িত। যদিও, কন্ডিশনার বা stratifying পি ( ডি |) উপর এল (একটি "Collider") এর প্রভাব কার্যকারণ অনুমান পক্ষপাতমূলক উত্পাদন করা হবে উপর ডি কারণ এল সঙ্গে কিংকর্তব্যবিমূঢ় হয় ডি অপরিমিত পরিবর্তনশীল দ্বারা ইউ 2 , এবং এল সঙ্গে কিংকর্তব্যবিমূঢ় হয় unmeasured ভেরিয়েবল ইউ 1 দ্বারাU2DP(D|E)LEDLDU2LEU1

DAG

বোঝাপড়া যা পার্ল, রোবিন পাখি, এবং অন্যদের দ্বারা বর্ণিত পাথ উপর শর্ত বা স্তরে স্তরে স্থাপন করা একজনের বিশ্লেষণ ভেরিয়েবল একটি পক্ষপাতিত্বহীন কার্যকারণ অনুমান প্রদান কার্যকারণ প্রভাব identifiability-কোনো সাধারণ কারণ যে ব্যাকডোর দ্বারা অবরুদ্ধ নয়, তাদের জন্য বিচার্য বিষয় ব্যবহার করে সম্ভব DAGs সযত্ন বিবেচনার প্রয়োজন । এখানে কোন সংক্ষিপ্ত পথ নেই. বিভ্রান্তিমূলক সাধারণ নিদর্শনগুলি শিখুন। সাধারণ নির্বাচন পক্ষপাত নিদর্শন শিখুন। অনুশীলন করা.

তথ্যসূত্র

গ্রিনল্যান্ড, এস।, পার্ল, জে। এবং রবিনস, জেএম (1999)। এপিডেমিওলজিক গবেষণার জন্য কার্যকারক ডায়াগ্রামমহামারীবিজ্ঞান , 10 (1): 37-48।

হার্নান, এমএ এবং রবিনস, জেএম (2018)। কার্যকারণ ইনফিরেনস । চ্যাপম্যান অ্যান্ড হল / সিআরসি, বোকা রাতন, এফএল

মালদোনাদো, জি এবং গ্রিনল্যান্ড, এস। (2002) কার্যকারণ প্রভাবগুলি অনুমান করাআন্তর্জাতিক জীবাণুমণ্ডল, ১ (২): 422–438 –

মুক্তা, জে। (2000) কার্যকারিতা: মডেল, যুক্তি এবং অনুমান । ক্যামব্রিজ ইউনিভার্সিটি প্রেস.


12

আমি আপনার প্রশ্নের দ্রুত এক-বাক্যের উত্তর বিশ্বাস করি,

পরিবর্তনশীল ওয়াইয়ের জন্য নিয়ন্ত্রণ করা কখন উপযুক্ত এবং কখন নয়?

এটি "পিছনের দরজা মানদণ্ড"।

জুডিয়া পার্লের স্ট্রাকচারাল কার্যকারণ মডেল আপনাকে নিশ্চিতভাবে বলতে পারে যে কন্ডিশনার জন্য কোন ভেরিয়েবলগুলি পর্যাপ্ত (এবং এটি যখন প্রয়োজন তখন) একের পরের ভেরিয়েবলের কার্যকারণ প্রভাব নির্ধারণ করতে। যথা, এর পিছনের দরজার মানদণ্ড ব্যবহার করে উত্তর দেওয়া হয়েছে, যা পার্ল দ্বারা এই পর্যালোচনা পত্রের পৃষ্ঠা 19-এ বর্ণনা করা হয়েছে ।

প্রধান সতর্কবাণী হ'ল এটির আপনাকে ভেরিয়েবলগুলির মধ্যে কার্যকারক সম্পর্ক (কোনও গ্রাফের দিকনির্দেশক তীর আকারে) জানতে হবে। এর আশেপাশে কোনও উপায় নেই। এখানেই অসুবিধা এবং সম্ভাব্য সাবজেক্টিভিটি খেলতে পারে। পার্লের স্ট্রাকচারাল কার্যকারণ মডেল কেবলমাত্র একটি কার্যকারক মডেল (অর্থাত্ নির্দেশিত গ্রাফ) প্রদত্ত সঠিক প্রশ্নের উত্তর কীভাবে দিতে হয় তা জানতে আপনাকে সহায়তা করতে পারে, যা কার্যকারণ মডেলগুলির একটি সেট ডেটা বিতরণ, বা সঠিক পরীক্ষা-নিরীক্ষার মাধ্যমে কীভাবে কার্যকারণ কাঠামোটির সন্ধান করতে পারে তা দেওয়া যায়। এটি আপনাকে কেবলমাত্র ডেটা বন্টন প্রদত্ত সঠিক কার্যকারিতা কাঠামোটি কীভাবে খুঁজে পাবে তা আপনাকে জানায় না। আসলে এটি দাবি করেছে যে ভেরিয়েবলের অর্থ সম্পর্কে বাহ্যিক জ্ঞান / অন্তর্দৃষ্টি ব্যবহার না করে এটি অসম্ভব।

পিছনের দরজার মানদণ্ডটি নিম্নরূপ বলা যেতে পারে:

এর কার্যকারণ প্রভাব জন্য উপর ওয়াই , পরিবর্তনশীল একটি সেট নোড এস এটি উভয় নিম্নলিখিত মানদণ্ড সন্তুষ্ট যতদিন উপর নিয়ন্ত্রিত করা যথেষ্ট;XY,S

1) কোনও উপাদান এক্স এর বংশধর নয়SX

2) ব্লক সব মধ্যে "ব্যাক-দরজা" পাথ এক্স এবং ওয়াইSXY

এখানে, "পিছনের দরজা" পথটি কেবল তীরগুলির পথ যা শুরু হয় এবং একটি তীরটি X এর দিকে নির্দেশ করে শেষ হয় (অন্য সমস্ত তীর নির্দেশিত দিকটি গুরুত্বপূর্ণ নয়)) এবং "ব্লকিং" হ'ল নিজেই, একটি মানদণ্ড যার একটি নির্দিষ্ট অর্থ রয়েছে, যা উপরের লিঙ্কের ১১ পৃষ্ঠায় দেওয়া হয়েছে। এটিই একই মানদণ্ড যা আপনি "ডি-বিচ্ছেদ" সম্পর্কে শিখার সময় পড়তেন। আমি ব্যক্তিগতভাবে বিশপের প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিংয়ের অধ্যায় 8 টি ডি-বিচ্ছেদে ব্লক করার ধারণাটি উপরে উল্লিখিত পার্ল উত্সের চেয়ে অনেক ভাল বর্ণনা করেছি। তবে এটি এর মতো হয়:YX.

নোডের একটি সেট, এক্স এবং ওয়াইয়ের মধ্যে একটি পথ অবরুদ্ধ করে যদি এটি নিম্নলিখিত মানদণ্ডগুলির মধ্যে কমপক্ষে একটি সন্তুষ্ট করে:S,XY

1) পাথ নোড, এছাড়াও যে এক নিঃসরণ করে অন্তত একটি পথে তীর (অর্থাত তীর নোড থেকে দূরে নির্দেশ করা হয়)S,

2) একটি নোড মধ্যে তন্ন তন্ন যে কিংবা একটি নোডের একটি পূর্বপুরুষ এস মাথা টু মাথা পথ "colliding" এটা প্রতি (অর্থাত এটা সাক্ষাৎ দুই তীর আছে)SS

এটি একটি হল বা সাধারণ ব্যাক ডোর নির্ণায়ক যা হয় অসদৃশ নির্ণায়ক, এবং নির্ণায়ক।

পিছনের দরজার মানদণ্ড সম্পর্কে পরিষ্কার হওয়ার জন্য, এটি আপনাকে যা বলে তা হ'ল একটি প্রদত্ত কার্যকারণীয় মডেলের জন্য, যখন পর্যাপ্ত পরিবর্তনশীলকে কন্ডিশনার করা হয়, আপনি ডেটার সম্ভাব্যতা বন্টন থেকে কার্যকারণ প্রভাব শিখতে পারেন। (যেমনটি আমরা জানি, এককভাবে যৌথ বিতরণ কার্যকারণের সন্ধানের জন্য পর্যাপ্ত নয় কারণ একাধিক কার্যকারণ কাঠামো একই বিতরণের জন্য দায়ী হতে পারে This এজন্য কার্যকারণ মডেলটিও প্রয়োজনীয়)) সাধারণ পরিসংখ্যান / ব্যবহার করে বিতরণটি অনুমান করা যায় পর্যবেক্ষণমূলক তথ্য মেশিন শেখার পদ্ধতি। যতক্ষণ আপনি জানেন কার্যকারণ কাঠামো একটি পরিবর্তনশীল (বা ভেরিয়েবলের সেট) এর উপর কন্ডিশনার অনুমতি দেয়, অন্যটির উপর একটি ভেরিয়েবলের কার্যকারণ প্রভাব সম্পর্কে আপনার অনুমান যে পরিসংখ্যানগত পদ্ধতিগুলির মাধ্যমে প্রাপ্ত ডেটা বিতরণের আপনার অনুমান হিসাবে তত ভাল।

আমরা যখন আপনার দুটি ডায়াগ্রামে পিছনের দরজার মানদণ্ড প্রয়োগ করি তখন আমরা যা খুঁজে পাই তা এখানে:

উভয় ক্ষেত্রেই থেকে এক্স পর্যন্ত পিছনের দরজা পথ বিদ্যমান নেই সুতরাং এটি সত্য যে ওয়াই "সমস্ত" পিছনের দরজা পাথগুলি অবরুদ্ধ করে, কারণ কোনও নেই। তবে, বাম চিত্রটিতে, ওয়াই এক্স এর প্রত্যক্ষ বংশধর , যখন ডান চিত্রে এটি নেই। সুতরাং Y ডান চিত্রের পিছনে-দরজার মানদণ্ড অনুসরণ করে, তবে বাম দিকে নয়। এগুলি অবাক করা ফলাফল।ZX.YYX,Y

কি হয় বিস্ময়কর তবে, আপনার উপর শর্ত না দরকার যে অধিকার চিত্রটি, যতদিন এটি সম্পূর্ণ ছবি হিসাবে পূর্ণ কার্যকারণ প্রভাব পেতে এক্স উপর জেড । (অন্যভাবে বলেছিলেন, নাল সেটটি পিছনের দরজার মানদণ্ডকে সন্তুষ্ট করে, এবং এটি কন্ডিশনার জন্য যথেষ্ট u) স্বতঃস্ফূর্তভাবে এটি সত্য কারণ এক্স এর মান ওয়াই এর সাথে সম্পর্কিত নয় তাই পর্যাপ্ত ডেটার জন্য আপনি কেবলমাত্র ওভাররেজ করতে পারবেন Y এর মানগুলি Z এর উপর Y এর প্রভাবকে প্রান্তিক করতে এই বিন্দুতে একটি আপত্তি হতে পারে যে ডেটা সীমিত, তাই আপনার কোনও প্রতিনিধি বিতরণ নেইYXZXYYYZ. মান। তবে মনে রাখবেন যে পিছনের দরজার মানদণ্ডটি ধরে নিয়েছে যে আপনার ডেটাটির সম্ভাবনা বন্টন রয়েছে। সেক্ষেত্রে আপনি বিশ্লেষণাত্মকভাবে Y কে প্রান্তিক করতে পারেনসীমাবদ্ধ ডেটা সেটের চেয়ে প্রান্তিককরণ কেবলমাত্র একটি অনুমান। এছাড়াও, দ্রষ্টব্য যে এটিসম্পূর্ণ চিত্রযে এটিঅত্যন্তঅসম্ভব। এক্সকে প্রভাবিত করার সম্ভাব্য বাহ্যিক কারণ রয়েছেযদি সেই কারণগুলি কোনওভাবেই ওয়াইয়ের সাথে যুক্তথাকে তবে Y আরওশর্তযুক্ত হওয়া উচিতকিনা তা দেখার জন্য আরও কাজ করতে হবে, এমনকি এটি পর্যাপ্ত পরিমাণেও রয়েছে। আপনি যদি Y থেকে X এ নির্দেশ করে অন্য একটি তীর আঁকেনতবে Y নিয়ন্ত্রণ করা প্রয়োজনীয় হয়ে পড়ে।YY.X.YYYXY

এগুলি অবশ্যই খুব সহজ উদাহরণ যেখানে অন্তর্দৃষ্টিটি যথেষ্ট জানতে যথেষ্ট হবে যখন কখন বা এর জন্য নিয়ন্ত্রণ করা যায় না। তবে এখানে আরও কয়েকটি উদাহরণ রয়েছে যেখানে ডায়াগ্রামটি দেখে এটি সুস্পষ্ট নয় এবং আপনি পিছনের দরজার মানদণ্ডটি ব্যবহার করতে পারেন। নিম্নলিখিত ডায়াগ্রাম জন্য আমরা জিজ্ঞাসা যদি এটি জন্য নিয়ন্ত্রণ করতে যথেষ্ট ওয়াই যখন কার্যকারণ প্রভাব নির্ণয় এক্স উপর জেড YYXZ.

Is it sufficient to control for $Y$ to find the causal impact of $X$ on $Z$?

প্রথমে লক্ষ্য করার বিষয়টি হ'ল, উভয় ক্ষেত্রেই X এর বংশধর নয় সুতরাং এটি সেই মানদণ্ডকে অতিক্রম করে। পরের বিষয়টি লক্ষণীয়, উভয় ক্ষেত্রেই জেড থেকে এক্স পর্যন্ত বেশ কয়েকটি ব্যাকডোর পথ রয়েছে বাম ডায়াগ্রামে দুটি এবং ডানদিকে তিনটি।YX.ZX.

বাম ডায়াগ্রাম সালে ব্যাকডোর পাথ এবং জেড ডব্লিউ বি একটি এক্স ZYXZWBAX. প্রথম পথটিকে অবরুদ্ধ করে কারণ এটি একটি তীর নির্গত নোড যা সরাসরি পথে রয়েছে। ওয়াই এছাড়াওব্লক দ্বিতীয় পথ কারণ জগত হয় বি , না এটা বংশের একজন বি , যা পাথ শুধুমাত্র colliding arrow নোড হয়। সুতরাং ওয়াই কন্ডিশনার জন্য যথেষ্ট সেট। (নোট, ইন অসদৃশআপনারঅধিকার ডায়াগ্রাম, নাল সেট না কন্ডিশনার জন্য যথেষ্ট, কারণ এটি পাথ ব্লক করে না জেড ওয়াই এক্স ।)YY B,B,YZYX

অধিকার ডায়াগ্রাম সালে ব্যাকডোর পাথ একই দুই বাঁদিকের যেমন হয়, প্লাস পথ ZWBYX. করেএই পথ অবরোধ করা হয়েছে কারণ এটি একটি তীর পথে নোড emitting হয়। এটিবাম ডায়াগ্রামের একই কারণে Z Y X পথঅবরুদ্ধ করে। তবে এটি Z W B A X পথটি ব্লককরেনা , কারণ এটি সংঘর্ষকারী নোড বি এর প্রত্যক্ষ বংশধরসুতরাং এটিকন্ডিশনার জন্য যথেষ্টনয়Y ZYXZWBAX,B.

এটি দেখতে কেন প্রশংসনীয় unintuitive হয় exogenous ভেরিয়েবল কারণ, বাম ডায়াগ্রাম উপর কন্ডিশনার জন্য যথেষ্ট একটি এবং ডব্লিউ যার প্রভাব পড়বে এক্স এবং জেড যথাক্রমে। তবে ধরুন, সেখানে বি নেই সেক্ষেত্রে, সেখানে মধ্যে কোনো কৃত্রিম সম্পর্ক হবে এক্স এবং জেড এই exogenous ভেরিয়েবল কারণে তাই তারা উদ্বেগের নন। অস্তিত্ব বি , তবে রাখে যে প্রশ্নে। তাহলে বি গ্রহন করার অনুমতি পেয়েছে যাই হোক না কেন মান এটা স্বাভাবিকভাবেই দেওয়া লাগে একজন এবং ডব্লিউYAWXZB.XZB,BAW, এটি কোনও সমস্যা হবেনা কারণ এটির গুরুত্বপূর্ণ ভেরিয়েবলগুলির উপর কোনও প্রভাব পড়ে না বা বহিরাগত ভেরিয়েবলগুলি এটি নির্ধারণ করে। তবে, যদি (বা এর কোন বংশধর) নিয়ন্ত্রিত হয় তবে এটি প্রকৃতপক্ষে এবং ডাব্লু নির্ভর করে, যা এক্স এবং জেড এর মধ্যবর্তী উত্সাহী সম্পর্ক তৈরি করে যা আমরা চাই না। সংযুক্ত উত্সে উল্লিখিত হিসাবে, এটি বার্কসনের প্যারাডক্সের উদাহরণ , যেখানে দুটি স্বতন্ত্র উত্স দ্বারা সৃষ্ট ভেরিয়েবলের পর্যবেক্ষণ সেই উত্সগুলিকে নির্ভরশীল করে তোলে (যেমন দুটি স্বতন্ত্র মুদ্রা ফ্লিপের ফলাফল মোট সংখ্যার পর্যবেক্ষণের উপর নির্ভর করে রেন্ডার করা হয়) মাথা উল্টানো)।BAWXZ

যেমন আমি পূর্বের দরজার মানদণ্ড ব্যবহারের আগে উল্লেখ করেছি যে আপনি কার্যকারক মডেলটি (অর্থাত্ ভেরিয়েবলগুলির মধ্যে তীরগুলির "সঠিক" চিত্র) জানেন know তবে স্ট্রাকচারাল কার্যকারণ মডেল, আমার মতে, এই জাতীয় মডেলটি অনুসন্ধান করার জন্য বা অনুসন্ধান কখন নিষ্ক্রিয় হয় তা জানার সর্বোত্তম এবং সবচেয়ে আনুষ্ঠানিক উপায় দেয় gives এটি "বিভ্রান্তিকর", "মধ্যস্থতা" এবং "স্পিউরিয়াস" (যা সবই আমাকে বিভ্রান্ত করে) অপ্রচলিত রেন্ডার পদগুলির বিস্ময়কর পার্শ্ব প্রতিক্রিয়া রয়েছে। আমাকে কেবল ছবিটি দেখান এবং আমি আপনাকে বলব যে কোন চেনাশোনাগুলি নিয়ন্ত্রণ করা উচিত।


3
খুশী হলাম। আমি আমার উত্তরের রেফারেন্স বিভাগে পার্লের কার্যকারিতা যুক্ত করব কিনা তা নিয়ে বিতর্ক করছিলাম .... এবং এখন তা পেরেছি। :)
অ্যালেক্সিস 20

0

নিম্নলিখিতগুলি আপনার ক্ষেত্রে উপযুক্ত হতে পারে বা নাও হতে পারে: যদি Xচিকিত্সা হয় তবে প্রপেনসিটি স্কোর ম্যাচিং ব্যবহার করে আপনি আপনার সমস্যাটি ঘুরে দেখতে সক্ষম হবেন যা আপনি Yযখন ম্যাচিংয়ের সময় পরিবর্তনশীল রাখবেন । অন্য কথায়, আপনি covariates ( Yযেমন একটি covariates মধ্যে একটি) ভারসাম্য যে চিকিত্সা প্রাপ্তির পূর্বাভাস X। উপরের
ফলাফলের পরিবর্তনশীলটির কোনও রেফারেন্স নেই কীভাবে নোট করুন Z। এছাড়াও আপনি পরীক্ষা করতে পারবেন কিভাবে সুষম আপনার পর্যবেক্ষণ, (আগে এবং ম্যাচিং ভারসাম্য টেবিল পর উৎপাদিত দ্বারা) যা আপনি কতটা এর মধ্যে অর্ন্তদৃষ্টি দিতে পারে Xদ্বারা নির্ধারিত হয় Y

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.