衝突型加速器（統計情報）

統計学や因果グラフにおいて、ある変数が2つ以上の変数から因果的に影響を受ける場合、その変数はコライダーと呼ばれます。「コライダー」という名前は、グラフィカルモデルにおいて、コライダーにつながる変数からの矢印の先端が、コライダーであるノード上で「衝突」するように見えるという事実を反映しています。^{[ 1 ]}これらは、逆フォークと呼ばれることもあります。^{[ 2 ]}

衝突型加速器に影響を与える因果変数は、必ずしも互いに関連しているとは限りません。それらが隣接していない場合、衝突型加速器は遮蔽されていません。そうでない場合、衝突型加速器は遮蔽されており、三角形の一部となっています。^{[ 3 ]}

パスにコライダーがあると、コライダーはそれに影響を与える変数間の関連付けをブロックします。^{[ 4 ]}^{[ 5 ]}^{[ 6 ]}したがって、コライダーはそれを決定する変数間の無条件の関連付けを生成しません。

回帰分析、層別化、実験計画、またはコライダーの値に基づくサンプル選択によってコライダーを条件付けると、XとYの間に非因果的な関連性が生じます（バークソンのパラドックス）。因果グラフの用語では、コライダーを条件付けることでXとYの間の経路が開かれます。これにより、 XとYの間の因果関係を推定する際にバイアスが生じ、実際には存在しない関連性が生じる可能性があります。したがって、コライダーは因果理論の検証を阻害する可能性があります。

交絡因子は、時に混同されることがある。交絡因子は、因果関係を推定する際には制御する必要があるが、交絡因子は交絡因子とは異なる。

衝突バイアスを検出および管理するために、研究者たちは有向非巡回グラフを利用してきた。^{[ 7 ]}

ランダム化や準実験的研究デザインは、コライダーバイアスを克服するのに役立たない。^{[ 7 ]}

参考文献

↑ 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 (2018-07-02). "相関と因果関係について明確に考える：観測データのためのグラフィカル因果モデル" . PsyArXiv . doi : 10.31234/osf.io/t3qub . hdl : 21.11116/0000-0006-5734-E .
↑ Ali, R. Ayesha; Richardson, Thomas S.; Spirtes, Peter; Zhange, Jiji (2012). "潜在変数を持つ有向非巡回グラフのマルコフ同値類を特徴付けるために". Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (UAI2006) : 10– 17. arXiv : 1207.1365 .
↑ Greenland, Sander; Pearl, Judea; Robins, James M. (1999年1月)、「疫学研究のための因果図」(PDF)、疫学、10 (1): 37–48、doi : 10.1097/00001648-199901000-00008、ISSN 1044-3983、OCLC 484244020、PMID 9888278
↑ Pearl, Judea (1986). "信念ネットワークにおける融合、伝播、構造化".人工知能. 29 (3): 241– 288. CiteSeerX 10.1.1.84.8016 . doi : 10.1016/0004-3702(86)90072-x .
↑パール、ジュデア(1988).知能システムにおける確率的推論：もっともらしい推論のネットワーク。モーガン・カウフマン。
1 2 Schneider, Eric B. (2020). "経済史研究におけるコライダーバイアス". Explorations in Economic History . 78 101356. doi : 10.1016/j.eeh.2020.101356 . ISSN 0014-4983 .

[Hernan2010-1] 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

[2] Julia M. Rohrer (2018-07-02). "相関と因果関係について明確に考える：観測データのためのグラフィカル因果モデル" . PsyArXiv . doi : 10.31234/osf.io/t3qub . hdl : 21.11116/0000-0006-5734-E .

[3] Ali, R. Ayesha; Richardson, Thomas S.; Spirtes, Peter; Zhange, Jiji (2012). "潜在変数を持つ有向非巡回グラフのマルコフ同値類を特徴付けるために". Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (UAI2006) : 10– 17. arXiv : 1207.1365 .

[4] Greenland, Sander; Pearl, Judea; Robins, James M. (1999年1月)、「疫学研究のための因果図」(PDF)、疫学、10 (1): 37–48、doi : 10.1097/00001648-199901000-00008、ISSN 1044-3983、OCLC 484244020、PMID 9888278

[pearl:86-5] Pearl, Judea (1986). "信念ネットワークにおける融合、伝播、構造化".人工知能. 29 (3): 241– 288. CiteSeerX 10.1.1.84.8016 . doi : 10.1016/0004-3702(86)90072-x .

[pearl:88-6] パール、ジュデア(1988).知能システムにおける確率的推論：もっともらしい推論のネットワーク。モーガン・カウフマン。

[:0-7] 1 2 Schneider, Eric B. (2020). "経済史研究におけるコライダーバイアス". Explorations in Economic History . 78 101356. doi : 10.1016/j.eeh.2020.101356 . ISSN 0014-4983 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

衝突型加速器（統計情報）

関連項目

参考文献

関連するトピック

統計学

因果グラフ

グラフィカルモデル

ノード