DAGs Flashcards
Hvorfor viktig med DAGs statistiske modell?
- Identifiserer konfundere, medatorerer og collider.
- Kan identifisere variabler i en modell som krever justering for å kontrollere for konfundering og hva de potensielle konsekvensene kan være av justeringen.
- viser sann forskjell i utfall pga eksponeringer.
- uttrykker hva du estimerer.
Hva er AIC vs BIC?
AIC er et kriterium for modellvalg som balanserer modellen kompleksisitet mot hvor godt modellen passer til dataene.
LAV AIC indikerer en bedre modell.
BIC er et annet kriterie som tar hensyn til modellens kompleksisitet-
E –> D hva betyr det?
E er eksposisjonen, D er utfallet. En endring i E gir endring i D.
Responsen kan være lineær.
Hva er DAG modellen?
- det er en ikke parametrisk metode som består av noder, altså variabler
når har vi en kasual. gir den bias eller ikke?
Kasual er når pilene går i samme retning og gir ikke bias.
- Kasual sti bør holdes åpen. og ikke blokkeres eller kontrolleres for siden den gir relevant informasjon
Når er den non-kasual og gir bias?
Den er non-kasual og gir ikke bias når pilene går mot hverandre. Siden denne introduserer bias bør man lukke den og kontrollere den.
Hvorfor kan man ikke ha en DAG-modell som går i sirkel?
For da er noe i modellen årsaken til seg selv, og det gir ike mening.
Når er en sekvens av kobla variabler en parent og en ancestor?
parent til et barn E -> D
ancestors -> -> descendant
Hva er en konfunder?
Det er en variabel som påvirker både den uavhengige variablen (eksponeringen) og den avhengige variablen (utfallet). Den er en felles årsak til begge.
Om man ikke justerer for konfundere, kan det gi forvrengt (konfundert) estimat av effekt av eksponering på utfall.
Hva er en mediator?
Det er en variabel som formidler forholdet mellom eksponeringen og utfallet.
Eksponering fører til mediatoren, som igjen fører til utfallet.
hva er en kollisjonsvariabel (collider)?
Den er en variabel som er forårsaket av to andre variabler i modellen. I DAG modellen er det hvor to piler møtes. Å justere for kollisjonsvariabel kan introdusere bias som kollider bias.
Hva skjer om du justerer en colliding?
En colliding er to piler som peker mot hverandre. Der vil vi ha en stengt sti og den skaper ingen skeivhet. Men dersom man justerer for den, så vil man kunne skape en falsk sammenheng og dermed skjevhet.
Hva er en competing exposure?
det er en konkurranse eksponering. Det er en eksponering som er en forfedre til et utfall, men som ikke er relatert til hovedeksponeringen,
det er ikke en konfnder, ikke en mediator eller poxy konfunder.
- den introduserer ikke bias i modellen.
