[论文解读] Qualitative Evaluation of Associations by the Transitivity of the Association Signs

Zhichao Jiang, Peng Ding+1 more|arXiv (Cornell University)|May 16, 2014

Advanced Causal Inference Techniques参考文献 21被引用 9

一句话总结

本文引入了四种关联度量——密度、分布、期望和相关性——评估其在条件独立下的符号传递性。研究建立了在何种条件下，X与Y之间、Y与Z之间的正向关联可推导出X与Z之间的正向关联，尤其在指数族分布下，使研究者可在无联合数据的情况下，仅从独立研究中实现定性因果推断。

ABSTRACT

We say that the signs of association measures among three variables {X, Y, Z} are transitive if a positive association measure between the variable X and the intermediate variable Y and further a positive association measure between Y and the endpoint variable Z imply a positive association measure between X and Z. We introduce four association measures with different stringencies, and discuss conditions for the transitivity of the signs of these association measures. When the variables follow exponential family distributions, the conditions become simpler and more interpretable. Applying our results to two data sets from an observational study and a randomized experiment, we demonstrate that the results can help us to draw conclusions about the signs of the association measures between X and Z based only on two separate studies about {X, Y} and {Y, Z}.

研究动机与目标

• 形式化三个变量X、Y、Z之间关联符号的传递性，其中X→Y与Y→Z蕴含X→Z。
• 识别在不依赖联合数据的情况下，从X–Y与Y–Z之间的关联推断X与Z之间关联符号的条件。
• 将传递性结果扩展至条件独立与非条件独立两种情形。
• 将理论发现应用于观察性研究和随机化实验的真实数据，展示其实际应用价值。
• 为指数族分布下变量的传递性提供可解释的条件。

提出的方法

• 引入四种关联度量：密度（对数似然二阶导数）、分布（条件CDF的导数）、期望（条件均值的导数）和相关系数。
• 将传递性定义为：若X–Y与Y–Z的关联非负，则X–Z的关联亦非负。
• 基于随机单调性与条件独立性假设，推导传递性的充分条件。
• 将结果应用于指数族分布，将条件简化为可解释的形式。
• 利用引理1表明，单调函数的复合保持条件密度中的单调性。
• 采用反证法与协方差界，验证在线性模型与相关性约束下传递性的有效性。

实验结果

研究问题

• RQ1 在何种条件下，X与Z之间关联符号可通过中间变量Y实现传递？
• RQ2 不同关联度量（密度、分布、期望、相关性）在传递性上的严格程度如何比较？
• RQ3 当X与Z在给定Y下条件独立时，确保传递性的条件是什么？
• RQ4 当条件独立不成立时，如何评估传递性？
• RQ5 理论传递性条件能否应用于来自独立研究的真实世界数据？

主要发现

• 当联合密度满足特定偏导数的单调性条件时，关联符号的传递性成立，特别是当∂²lnf(x,z|y)/∂x∂z ≥ 0时。
• 对于指数族分布，传递性条件可转化为更易解释且易于验证的形式，借助条件密度实现。
• 当X与Z在给定Y下条件独立时，若条件密度f(z|x,y)关于x和y非递减，且f(x|y)关于x非递减，则传递性得以保证。
• 在线性模型中，若回归系数β₁、β₂与β₄均非负，则期望关联的传递性成立，反证法表明在相关性约束下违反传递性不可能发生。
• 当X或Z为二值变量时，密度关联与期望关联等价，从而简化传递性评估。
• 所有传递性条件均可基于条件密度f(x,z|y)进行评估，使仅凭边际或条件数据即可实现推断。