在Miguel Hernán 关于因果图的 edX 课程的第 3 课第 3 章中，他介绍了这个 DAG：
它代表了一项关于激素治疗对肺癌的影响（激素治疗是否会导致肺癌）的研究。在波士顿的肺癌女性中，随机抽取了 1000 名样本进行研究。在波士顿没有肺癌的女性中，随机抽取了 1000 名样本进行研究。这解释了肺癌和选择之间的箭头（即基于结果的选择）。
然后他补充说，仅对患有髋部骨折的女性进行了调查（“她们无法逃避你”），这说明了髋部骨折和选择之间的箭头。
最后，他说激素疗法实际上降低了髋部骨折的风险，因此添加了激素疗法和髋部骨折之间的最后一箭，创造了一条开放的后门路径。
我的问题是，如果只对患有髋部骨折的女性进行调查，这是否意味着我们正在对髋部骨折进行调理？如果是这样，应该是髋部骨折周围有一个正方形，后门路径实际上是阻塞的，并且没有选择偏差。
如果确实只选择了患有髋部骨折的女性，那么髋部骨折与所选人群中的任何事物之间没有关联。这相当于说“在髋部骨折的女性中，髋部骨折与肺癌之间存在关联”。显然，这没有意义。关联需要两个变量的变化。您不能谈论变量和条件变量之间的关联。
如果他的意思是“患有髋部骨折的女性更有可能被选中”，那么正如 DAG 所显示的那样，不是以髋部骨折为条件，而是以选择为条件，这是由骨折引起的。他可能在视频中说错了，因为这显然是他的意思。
我的问题是，如果只对患有髋部骨折的女性进行调查，这是否意味着我们正在对髋部骨折进行调理？如果是这样，应该是髋部骨折周围有一个正方形，后门路径实际上是阻塞的，并且没有选择偏差。
请注意，即使 DAG 只是，干预后分布也不是非参数识别的，因为P你只观察到。因此，如果您的目标估计是，即使没有路径也会存在选择偏差。
对于选择偏差，您可能需要检查Bareinboim 和 Pearl以及最近的 Correa、Tian 和 Bareinboim。