Коллайдер (статистика) (Tkllgw;yj (vmgmnvmntg))
.png)
Коллайдер (англ. collider) — переменная в статистике и причинно-следственных диаграммах, на которую влияют две или более переменных. Название «коллайдер» отражает тот факт, что в графических моделях стрелки от переменных, ведущие в коллайдер, «сталкиваются» в узле, который является коллайдером[1]. Иногда коллайдеры также называют перевёрнутыми вилками[2].
Причинные переменные, которые влияют на коллайдер, не обязательно связаны между собой. Если они не связаны между собой, коллайдер не защищён. В противном случае коллайдер защищён и является частью треугольника (см. рисунок)[3].
Если на пути есть коллайдер, то он блокирует связь между переменными, которые на него влияют[4][5][6]. Таким образом, коллайдер не создаёт безусловной связи между влияющими на него переменными.
Учёт коллайдера в условиях задачи с помощью регрессионного анализа, стратификации, экспериментального дизайна или выборки на основе значений коллайдера создаёт ложную причинную связь между X и Y (парадокс Берксона). Выражаясь терминологией причинных графов, учёт коллайдера открывает путь между X и Y. Это влечёт за собой системную ошибку при оценке причинно-следственной связи между X и Y, вводя причинную связь там, где её нет. Следовательно, коллайдеры могут негативным образом повлиять на проверку причинной теории.
Коллайдеры иногда путают со спутывающими переменными. В отличие от коллайдеров, спутывающие переменные необходимо учитывать при оценке причинно-следственных связей.
См. также
[править | править код]Примечания
[править | править код]- ↑ Hernan, Miguel A.; Robins, James M. (2010), Causal inference, Chapman & Hall/CRC monographs on statistics & applied probability, CRC, p. 70, ISBN 978-1-4200-7616-5
- ↑ Julia M. Rohrer. Thinking Clearly About Correlations and Causation: Graphical Causal Models for Observational Data. PsyArXiv (2 июля 2018). doi:10.31234/osf.io/t3qub. Дата обращения: 9 декабря 2021. Архивировано 20 ноября 2020 года.
- ↑ Ali, R. Ayesha (2012). "Towards characterizing Markov equivalence classes for directed acyclic graphs with latent variables". Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (UAI2006): 10—17. arXiv:1207.1365. Архивировано 19 января 2022. Дата обращения: 14 декабря 2020.
- ↑ Greenland, Sander; Pearl, Judea; Robins, James M. (January 1999), "Causal Diagrams for Epidemiologic Research" (PDF), Epidemiology, 10 (1): 37—48, doi:10.1097/00001648-199901000-00008, ISSN 1044-3983, OCLC 484244020, PMID 9888278, Архивировано (PDF) 3 марта 2016, Дата обращения: 9 декабря 2021 Источник. Дата обращения: 9 декабря 2021. Архивировано 3 марта 2016 года.
- ↑ Pearl, Judea (1986). "Fusion, Propagation and Structuring in Belief Networks". Artificial Intelligence. 29 (3): 241—288. doi:10.1016/0004-3702(86)90072-x.
- ↑ Pearl, Judea. Probabilistic reasoning in intelligent systems: networks of plausible inference. — Morgan Kaufmann, 1988.