机器算法验证 - 因果推理中可交换性和独立性之间的区别 - 吾爱随笔录

机器算法验证可能性独立因果关系可交换性

2022-03-13 11:04:53

从观察性研究中推断因果效应时，通常需要的假设之一是可交换性假设。假设是二元处理，让表示处理下的反事实结果。假设的可交换性为： $A \in \{0, 1\}$ $Y^a$ $A=a$ $A$

这表示独立于。 $Y^a$ $A$

我的问题是，当它是关于独立性的陈述时，为什么这个假设被称为“可交换性”假设？

我知道可交换随机变量具有联合概率分布，当它们出现的序列中的位置发生改变时，它们不会改变。如果一个随机变量的实现不影响另一个随机变量的概率分布，则两个随机变量是独立的。但是在因果推理的上下文中，可交换性和独立性之间的关系是什么？

1个回答

我的问题是，当它是关于独立性的陈述时，为什么这个假设被称为“可交换性”假设？

可交换性是假设能够在不改变研究结果的情况下交换组。为什么？因为治疗和结果之间的关系没有混淆。为什么？因为治疗分配独立于其他一切。

如果你在一组中有患有更严重疾病的人，如果你将治疗组与对照组交换，你的结果会有所不同，所以在这种情况下，交换性就会受到侵犯。

您也可以使用不同的名称遇到此假设，具体取决于您检查的来源。一个例子是不迷茫。如果您通过调整适当的变量（例如检查后门标准）使治疗和结果独立，您也可以将其视为条件可交换性，例如 _ $Z$ $Y^a \perp\!\!\!\perp A \mid Z$

其它你可能感兴趣的问题