Tôi gặp khó khăn trong việc hiểu ý nghĩa của việc hạn chế loại trừ trong các biến công cụ.
Tôi hiểu rằng hiệu quả điều trị không thiên vị là , trong đó là kết quả, là điều trị và là công cụ. Nói cách khác, . YSZB=ITT
Tuy nhiên, nếu tôi nghĩ về điều này trong khuôn khổ hòa giải và áp dụng hạn chế loại trừ, điều này càng ngày càng ít có ý nghĩa.
Trong khung hòa giải, ITT = tổng hiệu ứng hoặc . Vì vậy, hiệu quả điều trị không thiên vị là:
, giảm xuống:
,
vì vậy ước tính nguyên nhân không thiên vị là hiệu quả của điều trị sai lệch + hiệu quả của công cụ ( .
Tuy nhiên, với các hạn chế loại trừ, sẽ không có hiệu lực của công cụ một khi chúng tôi kiểm soát việc điều trị.
Một ví dụ, từ ví dụ Sesame Street của Gelman. Đầu tiên, đạt được hiệu quả điều trị không thiên vị thông qua 2SLS:
fit.2s <- lm(regular ~ encour, data = df)
watched.hat <- fit.2s$fitted
fit.2b <- lm(postlet ~ watched.hat, data = df)
summary(fit.2b)
đưa ra câu trả lời, 7.934.
Và bây giờ, trong khuôn khổ SEM:
library(foreign)
library(lavaan)
mod <-
'
regular ~ a*encour
postlet ~ b*regular + c*encour
ind := a*b
total := a*b + c
'
fit <- sem(mod, data = df)
summary(fit)
Regressions:
Estimate Std.Err Z-value P(>|z|)
regular ~
encour (a) 0.362 0.051 7.134 0.000
postlet ~
regular (b) 13.698 2.079 6.589 0.000
encour (c) -2.089 1.802 -1.160 0.246
Defined Parameters:
Estimate Std.Err Z-value P(>|z|)
ind 4.965 1.026 4.840 0.000
total 2.876 1.778 1.617 0.106
13.698 - 2.089 / .362 = 7.92
Vì vậy, lý do duy nhất mà hiệu quả điều trị không thiên vị không chỉ là hiệu quả điều trị sai lệch là vẫn có tác dụng của dụng cụ khi kiểm soát điều trị, theo giới hạn loại trừ không nên xảy ra.
Am i thiếu cái gì ở đây?