关于一类危及效应估计的偏差放大变量
统计方法学
2012-03-19 v1 人工智能
摘要
本文讨论一类变量，若对其进行条件化，往往会在因果效应分析中放大混杂偏差。该类变量由Bhattacharya和Vogt（2007）以及Wooldridge（2009）独立发现，包括工具变量以及对治疗选择的影响大于对结果影响的变量。我们提供简单的推导和直观解释，然后将分析扩展到非线性模型。我们证明：1. 工具变量的偏差放大潜力扩展到非线性模型，尽管不如线性模型那样全面；2. 在非线性模型中，对工具变量进行条件化可能引入先前不存在的偏差；3. 在线性和非线性模型中，工具变量对选择引起的偏差没有影响。
引用
@article{arxiv.1203.3503,
title = {On a Class of Bias-Amplifying Variables that Endanger Effect Estimates},
author = {Judea Pearl},
journal= {arXiv preprint arXiv:1203.3503},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Sixth Conference on Uncertainty in Artificial Intelligence (UAI2010)