Dans les modèles statistiques, on dit qu'il y a confusion lorsque la dépendance apparente de la réponse à un prédicteur est partiellement ou entièrement due à la dépendance des deux à une troisième variable non incluse dans le modèle, ou à une dépendance à une combinaison linéaire d'autres variables incluses dans le modèle. La confusion avec une variable incluse dans un modèle est souvent appelée multicollinéarité. Un synonyme est * aliasing *, utilisé dans la conception des expériences.
Voici l'article qui a motivé cette question: L'impatience fait-elle grossir? J'ai aimé cet article et il illustre bien le concept de «contrôle des autres variables» (QI, carrière, revenu, âge, etc.) afin de mieux isoler la relation réelle entre les deux variables en question. Pouvez-vous...
D'abord c'était le Brexit , maintenant les élections américaines. De nombreuses prédictions de modèles ont été largement décalées et reste-t-il des leçons à tirer ici? Pas plus tard qu'hier, à 16 heures, heure de Paris, les marchés des paris étaient toujours favorables à Hillary 4 à 1. Je suppose...
Cette question a été migrée à partir de Mathematics Stack Exchange car elle peut être répondue sur la validation croisée. Migré il y a 7 ans . J'ai une question à propos de quelque chose que mon professeur de statistique a dit au sujet du problème suivant. Ma question n'est même pas sur...
Une hypothèse de base de l'utilisation de modèles de régression pour l'inférence est que «tous les prédicteurs pertinents» ont été inclus dans l'équation de prédiction. La justification est que le fait de ne pas inclure un facteur important du monde réel conduit à des coefficients biaisés et donc à...
Selon M. Katz dans son livre Multivariable analysis (Section 1.2, page 6), " Un facteur de confusion est associé au facteur de risque et lié de manière causale au résultat. " Pourquoi le facteur de confusion doit-il être lié de manière causale au résultat? Serait-il suffisant que le confondant soit...
Je recherche des conseils et des commentaires qui traitent de l'analyse des ratios et des taux. Dans le domaine dans lequel je travaille l'analyse des ratios en particulier est très répandue mais j'ai lu quelques articles qui suggèrent que cela peut être problématique, je pense à: Kronmal, Richard...
L'appariement par score de propension est utilisé pour faire des inférences causales dans les études observationnelles (voir l'article de Rosenbaum / Rubin ). Quelle est l'intuition simple derrière pourquoi cela fonctionne? En d'autres termes, pourquoi si nous nous assurons que la probabilité de...
Aperçu de la question Avertissement: cette question nécessite beaucoup de configuration. S'il vous plaît, supportez-moi. Un de mes collègues et moi travaillons sur un plan d'expérience. La conception doit contourner un grand nombre de contraintes, que je listerai ci-dessous. J'ai développé une...
Lors de la mise en œuvre du modèle causal de Rubin, l'une des hypothèses (non testables) dont nous avons besoin est la non-confusion, ce qui signifie ( O( 0 ) , Y( 1 ) ) ⊥ T| X(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X Lorsque le LHS sont les contrefactuels, le T est le traitement et X sont les...
Dans cet article: Variables cachées: quelques exemples Brian L. Joiner The American Statistician Vol. 35, n ° 4, nov., 1981 227-233 Brian Joiner affirme que "la randomisation n'est pas une panacée". Ceci est contraire aux déclarations courantes telles que celle ci-dessous: Une expérience bien...
J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou...
Est-il possible d'avoir une variable qui agit à la fois comme modificateur d'effet (mesure) et comme facteur de confusion pour une paire donnée d'associations risque-résultat? Je suis encore un peu incertain de la distinction. J'ai regardé la notation graphique pour m'aider à comprendre la...
Si je comprends bien, l'appariement est un moyen d'identifier la causalité dans les études d'observation. En faisant correspondre des observations qui sont «similaires» et en comparant celles qui ont reçu ou non un traitement, vous pouvez considérer cela comme une sorte de quasi-expérience....
J'ai lu les excellents commentaires sur la façon de traiter les valeurs manquantes avant d'appliquer SVD, mais j'aimerais savoir comment cela fonctionne avec un exemple simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Étant donné la matrice ci-dessus, si je...
J'ai fait un test de somme de rang de Wilcoxon pour déterminer s'il y a une différence dans la distribution de la variable pour deux groupes. Les résultats des tests ont montré que la différence existe.X1X1X_1 Je soupçonne cependant qu'il existe une variable de confusion , qui est à l'origine de...