含省略对象的 DAG（DAGWOOD）：一种揭示 DAG 中因果假设的框架
统计方法学
2021-11-25 v6 应用统计
摘要
有向无环图（DAGs）在流行病学中常被用作编码因果推断假设的方法。我们提出 DAGWOOD 框架，以将这些编码的许多假设凸显出来。DAGWOOD 结合了根 DAG（所提议分析中的 DAG）和一组分支 DAG（根 DAG 的替代隐藏假设）。所有分支 DAG 共享一套通用规则集，并且必须 1) 改变根 DAG，2) 是一个有效的 DAG，以及要么 3a) 改变极小充分调整集，要么 3b) 改变前门路径的数量。分支 DAG 包含一系列必须被证明为可忽略的假设。我们定义两类分支 DAG：排除分支 DAG 在根 DAG 的两个节点间添加单或双向通路（例如直接通路和碰撞节点），而误导分支 DAG 表示可在对象间绘制的替代通路（例如，通过反转受控混杂因子的因果方向来创建碰撞节点）。DAGWOOD 框架 1) 组织因果模型假设，2) 强化最佳 DAG 实践，3) 提供因果模型评估框架，以及 4) 可用于生成因果模型。
引用
@article{arxiv.2004.04251,
title = {DAG With Omitted Objects Displayed (DAGWOOD): A framework for revealing causal assumptions in DAGs},
author = {Noah A Haber and Mollie E Wood and Sarah Wieten and Alexander Breskin},
journal= {arXiv preprint arXiv:2004.04251},
year = {2021}
}