首页
关于
论坛
R会
投稿
搜索
随机化试验
最近更新于2024-09-23
1 / 1
统计模型
因果推断简介之四:观察性研究,可忽略性和倾向得分
丁鹏
/
2012-04-01
$$ \def\ind{{\perp\!\!\!\perp}} \def\nind{{\not\!\perp\!\!\!\perp}} $$ 这节采用和前面相同的记号。$Z$ 表示处理变量($1$ 是处理,$0$是对照),$Y$ 表示结果,$X$ 表示处理前的协变量。在完全随机化试验中,可忽略性 $Z \ind \{Y(1), Y(0)\} $ 成立,……
统计模型
因果推断简介之二:Rubin Causal Model (RCM)和随机化试验
丁鹏
/
2012-03-28
$$ \def\ind{{\perp\!\!\!\perp}} \def\nind{{\not\!\perp\!\!\!\perp}} $$ 因果推断用的最多的模型是 Rubin Causal Model (RCM; Rubin 1978) 和 Causal Diagram (Pearl 1995)。Pearl (2000) 中介绍了这两个模型的等价性,但是就应用来看,RCM 更加精确,……
统计模型
因果推断简介之一:从 Yule-Simpson’s Paradox 讲起
丁鹏
/
2012-03-26
在国内的时候,向别人介绍自己是研究因果推断(causal inference)的,多半的反应是:什么?统计还能研究因果?这确实是一个问题:统计研究因果,能,还是不能?直接给出回答,比较冒险;如果有可能,我需要花一些篇幅来阐述这个问题。 目前市面上能够买到的相关教科书仅有 2011 年图灵奖得主 Judea Pearl 的 Causality: Models, Reasoning, and……