Chapter 9 Measurement Bias

HernKaTeX parse error: Can't use function '\'' in math mode at position 1: \̲'̲{a}n M. and Robins J. Causal Inference: What If.

已经介绍过两个bias: confounding和selection, 这里介绍第三个, measurement bias.
这个measurement bias 不是指样本数目过少导致的误差, 用记录误差更为准确, 比如明明是$A=1$, 但是记录成了$A=0$.

9.1 Measurement Error

如上图所示, 我们所希望的实际上只有$A\to Y$这一条先, 但是由于measurement error $U_A$导致我们最后得到的只有$A^{\ast }$, 此时想要计算$A$关于$Y$的causal effect就比较麻烦了.

不光是intervention, outcome $Y$实际上也可能会有measurement error.

The structure of measurement error

measurement error 可以分成四种:

• independent nondifferential: Figure 9.2;
• dependent nondifferential: Figure 9.3;
• independent differential: Figure 9.4;
• dependent differential: Figure 9.6.

9.3 Mismeasured confounders

这里介绍了另外一种特殊的情况, $A,Y$都没有测量误差, 但是$L$是存在测量误差的, 此时因为缺乏$L$, 我们没法依赖其获得想要的条件可交换性.

同样的, 类似的情况也可能导致selection bias.

9.4 Intention-to-treat effect: the effect of a misclassified treatment

这一节讨论的是, 预先打算的策略$Z$对$Y$的causal effect和实际进行的$A$关于$Y$的causal effect之间的差别.

9.5 Per-protocol effect

主要讲了什么时候Intention-to-treat effect会是一个不错的选择.

Fine Point

The strength and direction of measurement bias

Per-protocol analyses

• as treated: 只管$A$, 不管$Z$(所以是不考虑$Z$的存在?).
• per protocol: 只在$A=Z$的子集上讨论, 所以这种很有可能会导致selection bias. 如Figure 9.14 所示.

Pseudo-intention-to-treat analyses

Effectiveness versus efficacy

Technical Point

Independence and nondifferentiality

The exclusion restriction

指的是没有直接的箭头由assign treatment $Z$ 指向 outcome $Y$.