近年の私のお気に入りの論文の1つに、この図が含まれていました。 これは、交絡因子、衝突型変数、メディエーターという 3 つの異なるタイプの変数を制御することの影響を示しています。 交絡因子があれば、コントロールは良いです。他の人では、コントロールすることで結果を台無しにします。

測定誤差のある変数がある場合、別の問題のある変数であるプロキシに遭遇する可能性があります。 プロキシ変数は、これらすべての歪みをはるかに悪化させ、対処をはるかに困難にする可能性があります。

この論文は、統計的管理には因果関係の正当化を必要とするという単純な観察を行っています。それが実はタイトルです。 彼らはDAGベースの例をいくつか挙げました。これを考えてみましょう:エデュテインメントは交絡因子ですか、それとも仲介者ですか?それをコントロールすべきでしょうか、それともそれがあなたの見積もりに偏りを生むのでしょうか?

これは常に考慮しなければならないことですが、率直に言って、統計的制御について因果関係で考えるのは例外的です。 多くの論文は、無関係な下流変数(プロキシ)を制御したり、意図せずにメディエーターを制御したりします。それが当たり前です!

私の記事では、コントロールの使用と誤用に関するさらに多くの問題について取り上げています。 たとえば、実験に一致する傾向スコアリングを取得するには、多くのデータと労力が必要になる可能性があると述べています。

特定の発見は、それが言うことを意味しない可能性があると述べています。

そして、因果推論のゴールドスタンダードであるRCTでさえ、正しく行う必要があり、さもなければ効果の推定が誇張され、結論が間違っている状況に陥ることを示しています。