Chapter 3 Observational Studies

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

概

这一章主要讨论的是, 观测得到的数据(而非随机实验)在什么条件下可以视为是随机试验.

outcome predictors: 一些会导致$Y$发生的诱因

3.1

1. 我们所考虑的$A$和实验中实际的采取的手段$A$是相一致的.

2. 采取何种手段$A$仅仅与$L$有关(这里考虑, $L,A,Y$三个元素).

3. $\mathrm{P}\mathrm{r}(A|L)>0$, 即正定性.

下面是一点一点的分析这三个点的重要性.

3.2 Exchangeability

这个对应的是第二点, 即我们要探究是否$A$仅仅与$L$有关, 从而有可交换性:
$$Y^a⨿A|L.$$

一旦遇到上面的情况, 往往就没有上述可交换性的保证了.

3.3 Positivity

设想$L$代表的是一个人是否吸烟, 倘若一个医生仅仅给不吸烟的人进行心脏迁移手术, 即
$$\mathrm{P}\mathrm{r}[A=1|L=1]=0,$$
则我们就完全丢失了这部分信息, 自然也没办法计算casual effect, 因为
$$\mathrm{P}\mathrm{r}[Y|A=1,L=1]$$
压根没有定义.

3.4 Consistency

一致性分类预期结果的一致性, 以及结果和观测数据的一致性

First

现在假设 A ∈ { 0 , 1 } A \in \{0, 1\} A∈{0,1}, 即代表是否进行心脏移植手术, 但是在实际中, $A$并非如此纯粹的0, 1.
实际上, 取决于器材, 外科医生的差别会衍生出不同版本的$A$.
当然了, 这么讨论下去只会导致不可知论, 我们可以在某种程度上假设, 不过对$A$的描述越细致, 即越细分, 最后的结论也会更加精准.

Second

这个一致性, 用公式就是
$$Y^a=Y,A=a,$$
这个很重要, 因为我们在计算causal effect的时候有这么一步
$$\mathrm{P}\mathrm{r}[Y|A=a,L]=\mathrm{P}\mathrm{r}[Y^a|A=a,L].$$

这个一致性, 个人的理解是, 我们所观察的$A=a$有很多版本, 可能与我们所希望的$Y^a$并不一致, 导致$Y^a\ne Y$.
这里有一个微妙的东西, 实在是不知道如何描述了.

Fine Point

3.1 Identifiability of causal effects

指, 倘若不是随机实验, 我们需要一些额外的假设来得以计算causal effect.

3.2 Crossover randomized experiments

p32

这个讨论的是在不同的时间点$t=0,t=1$.

3.3 Possible worlds

p35

3.4 Attributable fraction

p38

Technical Point

3.1 Positivity for standardization and IP weighting

p32

上一章讲了利用standardization 和 IP weighting 在条件可交换的假定下, 我们可以计算causal effect.
但是, 实际上这同时是需要positivity的假定的.

standardization:
$$\sum _l\mathbb{E}[Y|A=a,L=l]\mathrm{P}\mathrm{r}[L=l],$$
这个式子需要$\mathbb{E}[Y|A=a,L=l]$, 但是这个在某些$P(A=a|L=l)=0$的情况下是没有定义的.

另一方面, IP weighting
$$\mathbb{E}[\frac{I(A=a)Y}{f(A|L)}]=\mathrm{P}\mathrm{r}[L\in Q(a)]\sum _l\mathbb{E}[Y|A=a,L=l,L\in Q(a)]\mathrm{P}\mathrm{r}[L=l|L\in Q(a)],$$
其中 Q ( a ) = { l ; P r ( A = a ∣ L = l ) > 0 } Q(a) = \{l; \mathrm{Pr} (A=a|L=l)>0\} Q(a)={l;Pr(A=a∣L=l)>0}.

相当于, 认为地目标的集合缩小了.

里头还说, 上述的与
$$\mathbb{E}[\frac{I(A=a)Y}{f(a|L)}]$$
不同, 而且说后者是undefined的, 可是后决定后者才是等价于上面所说的啊.
不过我倒是觉得无所谓的, 毕竟我们应该关心我们所关心的, 限定在$f(a|L)\ne 0$才是合适的区域.

3.2 Cheating consistency

p40