Baixe o app para aproveitar ainda mais
Prévia do material em texto
O Critério Backdoor Alternativa de identificação do efeito causal médio quando as variáveis têm pais que, embora representados no gráfico, podem ser inacessíveis para a medição. Nesses casos, precisamos encontrar um conjunto alternativo de variáveis para ajustar. Em que condições uma história causal nos permite calcular o efeito causal de uma variável em outra, a partir de dados obtidos por observações passivas, sem intervenções? Em que condições, a estrutura do grafo causal é suficiente para computar um efeito causal de um dado conjunto de dados? O Critério Backdoor Determinar, para quaisquer duas variáveis 𝑋 e 𝑌 em um modelo causal representado por um DAG, qual o conjunto de variáveis 𝑍 nesse modelo devem estar condicionando a procura pela a relação causal entre 𝑋 e 𝑌. Definição Dado um par de variáveis 𝑋, 𝑌 ordenadas em um gráfico acíclico orientado 𝐺, um conjunto de variáveis 𝑍 satisfaz o critério de backdoor em relação a 𝑋, 𝑌 se nenhum nó em 𝑍 é um descendente de 𝑋 e 𝑍 bloqueia todos os caminhos entre 𝑋 e 𝑌 que contém uma seta chegando em 𝑋. O Critério Backdoor – a lógica Em geral, gostaríamos de condicionar em um conjunto de nós 𝑍, tal que: 1. Bloquear todos os caminhos espúrios entre 𝑋 e 𝑌. 2. Deixar todos os caminhos diretos de 𝑋 para 𝑌 desimpedidos. 3. Não criar novos caminhos espúrios. O Critério Backdoor Se um conjunto de variáveis 𝑍 satisfaz o critério backdoor para 𝑋 e 𝑌, então o efeito causal de 𝑋 em 𝑌 é dado pela fórmula 𝑃 𝑌 = 𝑦 𝑑𝑜 𝑋 = 𝑥 = 𝑧 𝑃 𝑌 = 𝑦 𝑋 = 𝑥, 𝑍 = 𝑧 𝑃 𝑍 = 𝑧 assim como quando ajustamos por 𝑃𝐴 𝑋 . Exemplo: o efeito de uma droga (𝑋) na recuperação (𝑌). 𝑋: tratamento (droga) 𝑌: recuperação 𝑊: peso, que tem efeito sobre a recuperação. 𝑍: status socioeconômico, que afeta tanto o peso como a escolha de receber tratamento Status socioeconômico não registrado. Procurar por uma variável observada que se encaixa no critério backdoor de 𝑋 para 𝑌. Exemplo: o efeito de uma droga (𝑋) na recuperação (𝑌). 𝑋: tratamento (droga) 𝑌: recuperação 𝑊: peso 𝑍: status socioeconômico, 𝑊, que não é um descendente de 𝑿, também bloqueia o caminho backdoor 𝑋 ← 𝑍 → 𝑊 → 𝑌. 𝑊 atende aos critérios de backdoor. Bloquear todos os caminhos espúrios entre 𝑋 e 𝑌. Deixar todos os caminhos diretos de 𝑋 para 𝑌 desimpedidos. Não criar novos caminhos espúrios. Exemplo: o efeito de uma droga (𝑋) na recuperação (𝑌). 𝑋: tratamento (droga) 𝑌: recuperação 𝑊: peso 𝑍: status socioeconômico, Se a história causal estiver em conformidade com o grafo, o ajuste para W nos dará o efeito causal de 𝑋 em 𝑌 𝑃 𝑌 = 𝑦 𝑑𝑜 𝑋 = 𝑥 = 𝑤 𝑃 𝑌 = 𝑦 𝑋 = 𝑥,𝑊 = 𝑤 𝑃 𝑊 = 𝑤 Basta conhecer 𝑊! Exemplo: para o efeito de 𝑋 em 𝑌 Em quais variáveis devemos condicionar o modelo para obter o efeito correto? Basta encontrar um conjunto de variáveis que satisfaçam o critério do backdoor como não há caminhos backdoor de 𝑋 para 𝑌 (𝑍 = )... 𝑃 𝑦 𝑑𝑜 𝑥 = 𝑃 𝑦 𝑥 Não é necessário nenhum ajuste! Exemplo: para o efeito de 𝑋 em 𝑌 Conseguiríamos o resultado correto para o efeito de 𝑋 em 𝑌 se ajustarmos por 𝑾? condicionar em 𝑊 abre o caminho (espúrio) 𝑋 → 𝑊 ← 𝑍 ← 𝑇 → 𝑌. Observação Calcular a associação entre 𝑋 e 𝑌 para cada valor de 𝑊 separadamente não produzirá o efeito correto de 𝑋 em 𝑌 e pode até dar o efeito incorreto para cada valor de 𝑊. Exemplo: para o efeito de 𝑋 em 𝑌 Como podemos, então, calcular o efeito causal de 𝑋 em 𝑌 para cada valor específico 𝑤 de 𝑊? condicionando em 𝑇 bloqueia o caminho espúrio 𝑋 → 𝑊 ← 𝑍 ← 𝑇 → 𝑌 Efeito causal específico por 𝑤 𝑃 𝑌 = 𝑦 𝑑𝑜 𝑋 = 𝑥 ,𝑊 = 𝑤 = 𝑡 𝑃 𝑌 = 𝑦 𝑋 = 𝑥,𝑊 = 𝑤, 𝑇 = 𝑡 𝑃 𝑇 = 𝑡 𝑊 = 𝑤 Moderação ou efeito de modificação Grau em que o efeito causal de 𝑋 e 𝑌 é modificado por diferentes valores de 𝑊. Testar se o efeito causal nas unidades ao nível 𝑊 = 𝑤 é o mesmo que para as unidades ao nível 𝑊 = 𝑤′. 𝑃 𝑌 = 𝑦 𝑑𝑜 𝑋 = 𝑥 ,𝑊 = 𝑤 vs 𝑃 𝑌 = 𝑦 𝑑𝑜 𝑋 = 𝑥 ,𝑊 = 𝑤′ Exemplo de Moderação porque 𝑊 satisfaz o critério 𝑏𝑎𝑐𝑘𝑑𝑜𝑜𝑟. tudo o que precisamos é comparar as probabilidades condicionais 𝑃 𝑌 = 𝑦 𝑋 = 𝑥,𝑊 = 𝑤 e 𝑃 𝑌 = 𝑦 𝑋 = 𝑥,𝑊 = 𝑤′ não é necessário somar. No caso mais geral, onde 𝑊 sozinho não satisfaz o critério backdoor, ainda que um conjunto maior, 𝑇 ∪ W, satisfaça, precisamos ajustar para membros de 𝑇 Quando ajustar por uma colisão é inevitável Exemplo Estimativa não viesada do efeito de 𝑋 em 𝑌?? Existem quatro caminhos de backdoor de 𝑋 para 𝑌, Todos os caminhos passam pelo nó 𝑍, que é uma colisão no caminho 𝑋 ← 𝐸 → 𝑍 ← 𝐴 → 𝑌. Condicionar em 𝑍 irá desbloquear esse caminho e violará o critério backdoor. Para bloquear todos os caminhos de backdoor, deve-se condicionar um dos seguintes conjuntos: 𝐸, 𝑍 , 𝐴, 𝑍 ou 𝐸, 𝑍, 𝐴 Observação Considere o caso em que temos mais de um conjunto de variáveis adequado para ajustarmos o modelo. Para qualquer desses conjuntos, devemos observar o mesmo resultado para 𝑃 𝑌 = 𝑦 𝑑𝑜 𝑋 = 𝑥 . 𝑤 𝑃 𝑌 = 𝑦 𝑋 = 𝑥,𝑊 = 𝑤 𝑃 𝑊 = 𝑤 = 𝑧 𝑃 𝑌 = 𝑦 𝑋 = 𝑥, 𝑍 = 𝑧 𝑃 𝑍 = 𝑧 Observação 1. Casos em que temos vários conjuntos observados de variáveis adequadas para o ajuste ele nos fornece uma escolha sobre quais variáveis usar para o ajuste. Utilidade: talvez um conjunto de variáveis seja mais caro para medir do que o outro, ou mais propenso a erros humanos, ou simplesmente tem mais variáveis e, portanto, é mais difícil de calcular. 2. A igualdade constitui uma restrição testável nos dados quando todas as variáveis de ajuste são observadas 2. Se estamos tentando ajustar um modelo que leva a tal igualdade e um conjunto de dados violar esta igualdade, podemos descartar esse modelo. Exercício
Compartilhar