交絡因子-定義

M. Katzの著書「多変量解析」（6ページのセクション1.2）で、「交絡因子はリスク要因に関連し、結果に因果関係があります。」なぜ交絡因子は結果に因果関係があるのでしょうか？交絡因子が結果に関連付けられれば十分ですか？

交絡因子が結果と因果関係があるのはなぜですか？交絡因子が結果に関連付けられれば十分ですか？

いいえ、それだけでは十分ではありません。

結果と治療の両方に関連する変数を持つことができる場合から始めましょう。しかし、それを制御することはあなたの推定を偏らせるでしょう。

例えば、以下の因果グラフ、検討 パールから採取し、前処理衝突です。$Z$

この場合、混乱はありません。Yに対するXの影響を直接推定できます。

ただし、Zは治療と結果の両方に関連付けられていることに注意してください。しかし、それはまだ交絡因子ではありません。実際、この場合にZを制御すると、推定に偏りが生じます。この状況はMバイアスと呼ばれます（グラフ構造のため）。

$X$$Y$

ここでも、ZはXとYに関連付けられていますが、共同設立者ではありません。制御するべきではありません。

ここで、変数が結果に因果関係がある場合でも、それは必ずしも交絡因子ではないことに注意してください。

以下の簡単なグラフで、メディエーターの場合を見てみましょう。

Yに対するDの合計効果を測定する場合、効果を仲介するものを制御しないでください。この場合はMです。つまり、MはYに因果関係がありますが、Mに関して交絡因子ではありません。 Yに対するDの合計効果。

定義することに注意してくださいしかし、confoudingは何を定義するよりもはるかに簡単である交絡因子です。定義のより厳密な議論についてconfouder、あなたはVanderWeeleとShpitserことで、この論文を読むことをお勧めします。

これはなぜですか？ここでの主な概念は、交絡因子ではなく交絡そのものの概念であるためです。あなたの研究の質問については、「どうすれば交絡を排除できますか？」「この変数は交絡因子ですか？」の代わりに。

最後の注意点として、これらの誤解がまだ広まっていることに言及する価値があります。説明のために、2016年の論文からこの引用を引用してください。

無作為化実験または強力な準実験的設計がない場合の因果推論には、交絡共変量としても知られる、治療と結果の両方を予測するすべての治療前変数を適切に調整する必要があります。

前の例で示したように、これは正しくありません。交絡因子は「治療と結果の両方を予測するすべての治療前変数」ではありません。交絡を排除するためにそれらすべてを制御する必要はないかもしれませんし、結果にバイアスをかけるかもしれません。パールはここで交絡について非常に良い概要を持っています。