Zmienna zakłócająca
![Ilustracja przedstawia graf zawierający przyczynę, skutek, mediator, zmienną zakłócającą i collider.](http://upload.wikimedia.org/wikipedia/commons/thumb/7/7f/Judea_Pearl_graph_style_illustration_of_variable_types_relevant_for_omitted_variable_bias.svg/220px-Judea_Pearl_graph_style_illustration_of_variable_types_relevant_for_omitted_variable_bias.svg.png)
Zmienna zakłócająca (ang. confounder, także: czynnik zakłócający) – zewnętrzny czynnik wpleciony w badany związek przyczynowo-skutkowy, który wpływając zarówno na zmienną objaśniającą i zmienną objaśnianą, zmienia ich obserwowaną współzmienność (prawdopodobieństwo warunkowe), w skrajnym przypadku tworząc całkowicie pozorną korelację.
Przykładowo, w ilustracyjnej symulacji Ioannidisa i in. zależnie od czynników uwzględnionych w modelu wpływ spożycia witaminy E na śmiertelność może być estymowany zarówno jako silnie pozytywny i silnie negatywny[1].
Jest to zagadnienie leżące w dziedzinie wnioskowania przyczynowego, i jako takie, nie da się go opisać wyłącznie w języku korelacji statystycznych. W języku modelu przyczynowego Pearla, zmienne zakłócające należy starannie odróżniać od mediatorów i koliderów, ponieważ w ich przypadku kontrolowane statystycznie jest – inaczej niż przy zmiennych zakłócających – niewłaściwe, i to ono wprowadza do oszacowania błąd (nieprzyczynowe prawdopodobieństwo warunkowe)[2][3].
Zmienna zakłócająca może być na przykład ważnym czynnikiem ryzyka lub łagodzenia danego zjawiska. Jeśli jest przeoczona i nierówno rozłożona w grupie eksperymentalnej i porównawczej, zakłóca oszacowanie prawdziwego bezpośredniego związku badanych zmiennych. Wynikający z tego błąd m.in. w ekonometrii nazywa się problemem pominiętych zmiennych.
Prawidłowa ocena wielkości efektu przyczynowego jest możliwa poprzez kontrolowanie występowania zmiennych zakłócających, na przykład poprzez staranne modelowanie przyczynowe, zaplanowanie odpowiednich badań (randomizację, parowanie, restrykcję), i odpowiednią analizę statystyczną (parowanie, stratyfikację, standaryzację, modelowanie statystyczne).
Przypisy
[edytuj | edytuj kod]- ↑ Chirag J. Patel , Belinda Burford , John P.A Ioannidis , Assessment of vibration of effects due to model specification can demonstrate the instability of observational associations, „Journal of clinical epidemiology”, 68 (9), 2015, s. 1046–1058, DOI: 10.1016/j.jclinepi.2015.05.029, ISSN 0895-4356, PMID: 26279400, PMCID: PMC4555355 [dostęp 2019-03-30] .
- ↑ 4. Confounding and Deconfounding: Or, Slaying the Lurking Variable, [w:] Judea Pearl, Dana Mackenzie , The book of why: the new science of cause and effect, First edition, New York, NY 2018, ISBN 978-0-465-09760-9, OCLC 1003311466 [dostęp 2019-03-11] .
- ↑ Judea Pearl , James M. Robins , Sander Greenland , Confounding and Collapsibility in Causal Inference, „Statistical Science”, 14 (1), 1999, s. 29–46, DOI: 10.1214/ss/1009211805, ISSN 0883-4237 [dostęp 2019-03-11] (ang.).
Bibliografia
[edytuj | edytuj kod]- Zmienna zakłócająca [online], zdrowiepolakow.pl [dostęp 2010-08-24] .