Taller inferencia causal

José Luis Cañadas-Reche

2024-11-07

Preguntas causales

1. Efecto de las causas. El efecto de una intervención.
2. Causas de los efectos. Qué ha podido ser la causa de esto?

El juego completo.

• Ejemplo interactivo

• Ejemplo estático

Potential outcomes

1. Y(1) y Y(0) son los resultados potenciales de un individuo si hubiera recibido el tratamiento o no.
2. Y(1) no es observable si no se ha recibido el tratamiento.
3. Y(0) no es observable si se ha recibido el tratamiento.

Potential outcome. Ejemplo libro Regression an other Stories

Supuestos y asunciones inferencia causal

1. Consistencia o SUTVA

2. Intercambiabilidad

3. Positividad

4. Se podría resumir como “peras con peras” y “manzanas con manzanas”

RCT’s

1. El gold standard
2. Pero no siempre es posible
3. No siempre es ético

4. Las técnicas como ipw mejoran precisión en rct
5. El DAG y las reglas de Pearl ayudan también

Estimand, estimator, estimate

Ciencia antes que estadística

1. El DAG nos ayuda. Hacer explícitas las relaciones
2. Estructuras en el DAG. Forks, mediators, colliders

3. Ejemplo dags
4. Buenos y malos controles

Técnicas

• Identificar variables con reglas de Pearl, uso de daggitty (Visto anteriormente)
• Propensity Score Matching MatchIt
• Inverse Probability Weighting

• Meta-learners
• G-estimation ( esto nos sirve en frecuentista y en bayesiano)
• Double robust estimation

Oye, que yo soy bayesiano

• Esto os lo cuento en el bar, o taller del año que viene

Recursos

Statistical Rethinking: El gran Richard

Causal Inference en R

Causal Inference Book: Libro gratuito online

Regression and other Stories: Gelman, Hill, Vethari. La parte 5

The Book of Why: Libro divulgativo de Judea Pearl

Mastering ’Metrics: Friendly introduction to IV-based methods

Mixtape: Bastante didáctico