Diagrammi causali: disegna le tue ipotesi prima delle tue conclusioni

Descrizione

I diagrammi causali hanno rivoluzionato il modo in cui i ricercatori chiedono: qual è l'effetto causale di X su Y? Sono diventati uno strumento chiave per i ricercatori che studiano gli effetti di trattamenti, esposizioni e politiche. Riassumendo e comunicando ipotesi sulla struttura causale di un problema, i diagrammi causali hanno aiutato a chiarire paradossi apparenti, descrivere pregiudizi comuni e identificare variabili di aggiustamento. Di conseguenza, una buona comprensione dei diagrammi causali sta diventando sempre più importante in molte discipline scientifiche. La prima parte di questo corso è composta da sette lezioni che introducono i diagrammi causali e le sue applicazioni all'inferenza causale. La prima lezione introduce i DAG causali, un tipo di diagrammi causali e le regole che li governano. La seconda, la terza e la quarta lezione utilizzano DAG causali per rappresentare forme comuni di bias. La quinta lezione utilizza i DAG causali per rappresentare i trattamenti che variano nel tempo e il feedback dei fattori di confondimento del trattamento, nonché il bias dei metodi statistici convenzionali per l'aggiustamento del confondente. La sesta lezione introduce i SWIG, un altro tipo di diagrammi causali. La settima lezione guida gli studenti nella costruzione di diagrammi causali. La seconda parte del corso presenta una serie di casi di studio che evidenziano le applicazioni pratiche dei diagrammi causali a domande del mondo reale provenienti dalle scienze sanitarie e sociali. Credito fotografico del professore: Anders Ahlbom