এফেক্ট মডিফায়ার এবং কনফন্ডার উভয়েরই কাজ করে এমন একটি পরিবর্তনশীল থাকা কি সম্ভব?

10

কোনও ঝুঁকির ফলাফল সংঘের জন্য প্রদত্ত যুগলটির জন্য প্রভাব (পরিমাপ) সংশোধক এবং বিবাদকারী উভয় হিসাবে কাজ করে এমন একটি পরিবর্তনশীল থাকা কি সম্ভব?

আমি এখনও পার্থক্য সম্পর্কে কিছুটা অনিশ্চিত। পার্থক্যটি বুঝতে সাহায্য করার জন্য আমি গ্রাফিকাল স্বরলিপিটি দেখেছি তবে স্বরলিপিটির পার্থক্যগুলি বিস্মিত হচ্ছে। দুজনের একটি গ্রাফিকাল / ভিজ্যুয়াল ব্যাখ্যা এবং কখন সেগুলি ওভারল্যাপ হতে পারে তা কার্যকর হবে।

interaction causality confounding

— user1447630
সূত্র

9

একটি বিভ্রান্তিকর পরিবর্তনশীল অবশ্যই:

ফলাফলের সাথে স্বাধীনভাবে যুক্ত থাকুন;
এক্সপোজারের সাথে যুক্ত থাকুন
এক্সপোজার এবং ফলাফলের মধ্যে কার্যকারণ পথের উপর থাকা উচিত নয়।

এগুলি একটি ভেরিয়েবলকে সম্ভাব্য বিস্ময়কর ভেরিয়েবল হিসাবে বিবেচনা করার মানদণ্ড । যদি ঝুঁকি এবং ফলাফলের মধ্যে সম্পর্ককে প্রকৃতপক্ষে সংশ্লেষিত করার জন্য যদি সম্ভাব্য কনফাউন্ডারটি (স্তরীয়করণ এবং সমন্বয় পরীক্ষার মাধ্যমে) সন্ধান করা হয়, তবে ঝুঁকি এবং ফলাফলের মধ্যে যে কোনও অযৌক্তিক অ্যাসোসিয়েশন দেখা যায় তা বিস্মৃতকারীর একটি শৈল্পিক এবং তাই বাস্তব প্রভাব নয়।

অন্যদিকে একটি প্রভাব সংশোধক বিভ্রান্ত হয় না। যদি কোনও প্রভাবটি আসল হয় তবে কিছু ভেরিয়েবল এক্স এর উপর নির্ভর করে প্রভাবটির প্রস্থতা আলাদা হয়, তবে সেই পরিবর্তনশীল এক্সটি একটি প্রভাব পরিবর্তনকারী।

আপনার প্রশ্নের জবাব দেওয়ার জন্য আমার বোধগম্যতার সাথে এমন একটি পরিবর্তনশীল থাকা সম্ভব নয় যা একটি প্রদত্ত অধ্যয়নের নমুনা এবং ঝুঁকির কারণ ও ফলাফলের একটি যুগল হিসাবে উভয়ই একটি প্রভাব সংশোধক এবং বিস্ময়কর পরিবর্তনশীল হিসাবে কাজ করে।

আপনি এখানে আরও তথ্য পেতে পারেন

— oisyutat
সূত্র

1

এই সংজ্ঞাটি ভুল। এটি জুডিয়া পার্লকে একজন বিবাদক হিসাবে "সহযোগী মানদণ্ড" বলে ডাকে এবং এটি সংজ্ঞা কেন ব্যর্থ হয় তার একাধিক কারণ তিনি দিয়েছেন rors পার্ল (2009), কার্যকারিতা, বিভাগ 6.3 দেখুন।

— জুলিয়ান শোয়েস্লার 31'16

2

হ্যাঁ, এটি একেবারেই সম্ভব যে ভেরিয়েবলটি একটি বিভ্রান্তকারী এবং একটি প্রভাব সংশোধক উভয়ই। এটি যাচাই করতে আমরা আর-তে একটি দ্রুত সিমুলেশন চালাতে পারি: চিকিত্সা এবং ফলাফল হিসাবে নিম্নলিখিত পদ্ধতিটি বিবেচনা করুন । উভয় এবং প্রভাবিত করে এবং তাই এটি বিভ্রান্তিকর। তবে এটি এক্সের সাথেও ইন্টারঅ্যাক্ট করে এবং তাই y এর প্রভাবকে সংশোধন করে। $x$ $y$ $c$ $x$ $y$

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

সুতরাং আমরা জানি যে কার্যকারণ প্রক্রিয়াটি হ'ল । স্পষ্টতই, এর প্রভাবকে পরিবর্তন করে । যাইহোক, যখন আমরা রিগ্রেশনে চালানো উপর শুধুমাত্র, আমরা মধ্যে বিভ্রান্তি সুস্থ ও সক্রিয় দেখুন: $y = 3*x + 2*x*c$ $c$ $x$ $y$ $x$

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

অবশেষে, আমার মন্তব্যে ইঙ্গিত হিসাবে, yশিউটাত প্রদত্ত সংজ্ঞাটি ভুল। এটি জুডিয়া পার্লকে একজন বিবাদক হিসাবে "সহযোগী মানদণ্ড" বলে ডাকে এবং এটি সংজ্ঞা কেন ব্যর্থ হয় তার একাধিক কারণ তিনি দিয়েছেন rors পার্ল (2009), কার্যকারিতা, বিভাগ 6.3 দেখুন।

— জুলিয়ান শোয়সলার
সূত্র

1

+1, দুর্ভাগ্যক্রমে এখনও প্রায় অনেক পুরানো ভুল উত্তর আছে

— কার্লোস সিনেল্লি