因果分析系列9----不同控制变量的因果图和数据模拟

最新推荐文章于 2023-03-30 12:55:57 发布

shlay

最新推荐文章于 2023-03-30 12:55:57 发布

阅读量572

点赞数

分类专栏：因果推断&政策评价&处理效应文章标签： python 因果推断好/坏/中性控制变量

本文链接：https://blog.csdn.net/s1164548515/article/details/129593318

版权

因果推断&政策评价&处理效应专栏收录该内容

31 篇文章 24 订阅 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了在因果分析中不同类型的控制变量对结果的影响，包括好的、坏的和中性控制变量。通过多个模型（Model 1-18）的DAG（有向无环图）绘制和数值模拟，展示了如何分析控制变量对X到Y因果效应的估计偏差。模型显示，好的控制变量如Z可以减少偏差，而坏的控制变量可能导致M-bias、bias放大、overcontrol bias等，中性变量可能对精度有正负两面影响。

摘要由CSDN通过智能技术生成

因果分析系列9----不同控制变量的因果图和数据模拟

1.好的控制
2.坏的控制
3. 中性变量

因果分析系列9----不同控制变量的因果图和数据模拟¹

加载后续需用到的第三方包

#加载包
import warnings
warnings.filterwarnings('ignore')
import networkx as nx
import matplotlib.pyplot as plt
import numpy as np
import statsmodels.formula.api as