扰动图、不变预测与心理学中的因果关系
统计方法学
2024-09-23 v2
摘要
心理学中的网络（图）通常局限于无干预的情形。此处我们考虑一种借自生物学的框架，其在单一分析中涉及来自不同情境的多种干预（观察与实验）。该方法称为扰动图。在基因调控网络中，某一基因所诱导的变化会在分析中对所有其他基因进行测量，从而评估可能的因果关系。分析中对每个基因重复此过程。扰动图可得到正确的原因集合（未必是直接原因）。随后对图中路径的剪枝（称为传递归约）应可揭示直接原因。我们表明传递归约一般而言不会得到正确的底层图。我们还表明不变因果预测是扰动图方法的一种推广，其中纳入额外变量确实能揭示直接原因，从而取代传递归约。我们得出结论：扰动图为心理学实验设计提供了一种有前景的新工具，且与不变因果预测结合可揭示直接原因而非因果路径。作为示例，我们将扰动图与不变因果预测应用于一个关于肉类消费态度的数据集以及一名被诊断为重度抑郁症患者的时序数据。
引用
@article{arxiv.2109.00404,
title = {Perturbation graphs, invariant prediction and causal relations in psychology},
author = {Lourens Waldorp and Jolanda Kossakowski and Han L. J. van der Maas},
journal= {arXiv preprint arXiv:2109.00404},
year = {2024}
}