Als «causality» getaggte Fragen

Die Beziehung zwischen Ursache und Wirkung.

1
Welche Kausaltheorien sollte ich kennen?
Welche theoretischen Herangehensweisen an die Kausalität sollte ich als angewandter Statistiker / Ökonometriker kennen? Ich kenne die (ein bisschen) Neyman-Rubin-Kausalmodell (und Roy , Haavelmo usw.) Pearl's Arbeit über Kausalität Granger-Kausalität (wenn auch weniger behandlungsorientiert) Welche Konzepte vermisse ich oder sollte ich darauf achten? Verwandte: Welche Theorien sind Grundlagen für Kausalität …
4
Die Maschinengenauigkeit zur Steigerung des Gradienten nimmt mit zunehmender Anzahl von Iterationen ab
Ich experimentiere mit dem Algorithmus der Gradientenverstärkungsmaschine über das caretPaket in R. Unter Verwendung eines kleinen Datensatzes für Hochschulzulassungen habe ich den folgenden Code ausgeführt: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting …
15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 
1
Der Unterschied zwischen durchschnittlichem und geringem Behandlungseffekt
Ich habe einige Artikel gelesen und bin mir nicht sicher, was die spezifischen Definitionen des durchschnittlichen Behandlungseffekts (ATE) und des marginalen Behandlungseffekts (MTE) angeht. Sind sie gleich Nach Austin ... Ein bedingter Effekt ist der durchschnittliche Effekt auf Subjektebene, wenn ein Subjekt von unbehandelt zu behandelt verschoben wird. Der Regressionskoeffizient …
1
Confounder - Definition
Laut M. Katz in seinem Buch Multivariable Analysis (Abschnitt 1.2, Seite 6) ist „ ein Confounder mit dem Risikofaktor verbunden und steht in ursächlichem Zusammenhang mit dem Ergebnis. “ Warum muss der Confounder in ursächlichem Zusammenhang mit dem Ergebnis stehen? Wäre es genug sein für die confounder werden im Zusammenhang …
6
Was ist der Unterschied zwischen Wirksamkeit und Wirksamkeit bei der Bestimmung des Nutzens der Therapie "A" unter der Bedingung "B"?
Der Kontext dieser Frage befindet sich in einem Gesundheitsrahmen, dh es werden eine oder mehrere Therapien bei der Behandlung einer Erkrankung untersucht. Es scheint, dass selbst angesehene Forscher die Begriffe Wirksamkeit und Wirksamkeit verwechseln , indem sie sie austauschbar verwenden. Wie kann man Wirksamkeit gegen Wirksamkeit auf eine Weise denken, …
2
bedeutet (x) Operator?
Ich habe das gesehen Betreiber überall in einiger Literatur ich auf Kausalitäts tue (siehe zum Beispiel des Wikipedia - Eintrag ). Ich kann jedoch keine formale und allgemeine Definition dieses Operators finden.do(x)do(x)do(x) Kann mir jemand einen guten Hinweis dazu geben? Ich interessiere mich eher für eine allgemeine Definition als für …
4
Was ist der Sinn einer univariaten Regression vor einer multivariaten Regression?
Ich arbeite derzeit an einem Problem, bei dem es sich um einen kleinen Datensatz handelt und bei dem der Kausalitätseffekt einer Behandlung auf das Ergebnis von Interesse ist. Mein Berater hat mich angewiesen, eine univariate Regression für jeden Prädiktor mit dem Ergebnis als Antwort und dann der Behandlungszuweisung als Antwort …
2
Kausalität in der Mikroökonometrie versus Granger-Kausalität in der Zeitreihenökonometrie
Ich verstehe die Kausalität, wie sie in der Mikroökonomie verwendet wird (insbesondere IV oder Regressionsdiskontinuitätsdesign), und auch die Granger-Kausalität, wie sie in der Zeitreihenökonometrie verwendet wird. Wie verhalte ich mich zueinander? Ich habe zum Beispiel gesehen, dass beide Ansätze für Paneldaten verwendet werden ( , ). Jede Bezugnahme auf die …
4
Warum funktioniert Propensity Score Matching für kausale Inferenz?
Propensity Score Matching wird verwendet, um kausale Schlussfolgerungen in Beobachtungsstudien zu ziehen (siehe das Rosenbaum / Rubin-Papier ). Was ist die einfache Intuition dahinter, warum es funktioniert? Mit anderen Worten, warum verschwinden die verwirrenden Effekte, wenn wir sicherstellen, dass die Wahrscheinlichkeit einer Teilnahme an der Behandlung für beide Gruppen gleich …
2
Unterschied zwischen den Sprossen zwei und drei in der Ladder of Causation
In Judea Pearls "Book of Why" spricht er über das, was er als "Ladder of Causation" bezeichnet. Dies ist im Wesentlichen eine Hierarchie, die sich aus verschiedenen Ebenen kausalen Denkens zusammensetzt. Die niedrigste befasst sich mit Assoziationsmustern in beobachteten Daten (z. B. Korrelation, bedingte Wahrscheinlichkeit usw.), die nächste befasst sich …
12 causality 
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.