[论文解读] Depicting deterministic variables within directed acyclic graphs (DAGs): An aid for identifying and interpreting causal effects involving tautological associations, compositional data, and composite variables

L Berrie, Kellyn F Arnold+3 more|arXiv (Cornell University)|Nov 23, 2022

Geochemistry and Geologic Mapping被引用 5

一句话总结

本文提出一种两步法，用于将确定性变量（如复合变量或构成性变量）纳入有向无环图（DAGs），以改善因果识别与解释。通过显式表示由父节点代数定义的变量，该方法可减少对同义反复关联的误解，澄清构成数据中条件作用的影响，并增强对复合变量分析中假设的审慎评估，从而实现更准确的因果效应估计。

ABSTRACT

Deterministic variables are variables that are fully explained by one or more parent variables. They commonly arise when a variable has been algebraically constructed from one or more parent variables, as with composite variables, and in compositional data, where the 'whole' variable is determined from its 'parts'. This article introduces how deterministic variables may be depicted within directed acyclic graphs (DAGs) to help with identifying and interpreting causal effects involving tautological associations, compositional data, and composite variables. We propose a two-step approach in which all variables are initially considered, and an explicit choice is then made whether to focus on the deterministic variable(s) or the determining parents. Depicting deterministic variables within DAGs bring several benefits. It is easier to identify and avoid misinterpreting tautological associations, i.e., self-fulfilling associations between variables with shared algebraic parent variables. In compositional data, it is easier to understand the consequences of conditioning on the 'whole' variable, and correctly identify total and relative causal effects. For composite variables, it encourages greater consideration of the target estimand and greater scrutiny of the consistency and exchangeability assumptions. DAGs with deterministic variables are a useful aid for planning and interpreting analyses involving tautological associations, compositional data, and/or composite variables.

研究动机与目标

• 解决在因果模型中存在确定性变量（例如复合变量或整体-部分关系）时，因果效应被误解的挑战。
• 解决由于DAG中共享代数父节点而引发的同义反复关联（虚假相关）所导致的混淆。
• 澄清在构成数据中对“整体”变量进行条件处理如何影响因果效应识别。
• 在使用复合变量进行因果分析时，提高目标可估量定义的透明度与严谨性。
• 为研究人员提供一个系统性框架，以决定在DAG中建模确定性变量还是其父变量。

提出的方法

• 提出一种两步DAG建模方法：首先，将所有变量（包括确定性变量）纳入图中；其次，决定聚焦于确定性变量还是其父变量。
• 使用明确的图形符号表示确定性变量为父变量的函数，将其与随机变量区分开来。
• 应用do-演算框架评估条件处理确定性变量的影响，特别是在构成数据情境下。
• 通过分析DAG中“整体”变量的作用，区分构成数据中的总因果效应与相对因果效应。
• 鼓励研究人员在涉及确定性变量时，更严格地评估一致性和可交换性假设。
• 使用5幅图示的DAG示例，展示常见因果建模陷阱中正确与错误的解释。

实验结果

研究问题

• RQ1 如何在DAG中正确表示复合变量或整体-部分关系等确定性变量，以避免误导性因果解释？
• RQ2 在构成数据中对确定性‘整体’变量进行条件处理会产生什么后果？这如何影响总因果效应与相对因果效应的识别？
• RQ3 确定性结构中共享父变量如何导致同义反复关联？DAG如何帮助检测并避免此类关联？
• RQ4 在分析复合变量时，DAG如何提升目标可估量的清晰度以及对建模假设的审慎评估？
• RQ5 在因果DAG中，选择建模确定性变量还是其父变量的最优策略是什么？

主要发现

• 将确定性变量直接纳入DAG有助于防止因共享代数父节点而引发的同义反复关联的误识别。
• 在构成数据中对‘整体’变量进行条件处理可能引发虚假关联并扭曲因果效应估计，而DAG能明确揭示并避免此类问题。
• 两步法通过明确‘整体’变量的作用，使研究人员能够清晰区分构成数据中的总因果效应与相对因果效应。
• 使用DAG表示确定性变量可增强可估量定义的透明度，并有助于评估复合变量模型中的一致性与可交换性等假设。
• 该方法可降低对数学上关联的变量（如由体重和身高计算的体质指数BMI）中关联关系的过度解读风险。
• 该框架具有普适性，可广泛应用于涉及代数构造（如指数、比率、整体-部分关系）的多样化研究领域。