Kolider

Ilustracja przedstawia graf zawierający przyczynę, skutek, mediator, zmienną zakłócającą i collider.
Przykład grafu systemu przyczynowego, w którym badanemu związkowi przyczyny ze skutkiem towarzyszy mediator zmienna zakłócająca i kolider Typowy problem pominiętej zmiennej polega na nieuwzględnieniu w modelu czynników typu Dla kontrastu, statystyczne kontrolowanie zmiennych typu i jest generalnie także niepożądane, i również zwiększa błąd oszacowania.

Kolider[1], zderzacz[2][3] (ang. collider)[a] – we wnioskowaniu przyczynowym i statystyce zewnętrzna zmienna, która w modelu badanego zjawiska jest skutkiem (podlega wpływowi przyczynowemu) zarówno zmiennej objaśniającej, jak i zmiennej objaśnianej[1][2].

Pomimo że kolider jest skorelowany ze zmiennymi, które są centralnym przedmiotem badania, nie jest przyczyną żadnej z nich i nie wpływa na ich wzajemne bezwarunkowe prawdopodobieństwo. Nieuwzględnienie go w modelu statystycznym nie prowadzi do problemu pominiętych zmiennych i nie zniekształca generowanych oszacowań[4].

Do błędu prowadzi kontrolowanie koliderów w modelowaniu statystycznym lub warunkowanie po nich w projekcie badania lub doborze próby. Przykładami takich błędów są błąd selekcji i paradoks Berksona, w których grupa eksperymentalna i porównawcza są dobierane warunkowo względem wartości zewnętrznego czynnika, który jest sam w sobie skutkiem badanego zjawiska. Sztucznie wprowadzone warunkowe prawdopodobieństwo odzwierciedla się w obciążonych (zawyżonych lub zaniżonych) estymatorach siły związków między zmiennymi, które wpływają na kolider.

W oryginalnym przypadku opisanym przez Berksona analiza roli cukrzycy w rozwoju zapalenia pęcherzyka żółciowego wykonana w nieprzemyślany sposób jedynie w populacji osób hospitalizowanych prowadziła do błędnej konkluzji, że pierwsze zaburzenie jest czynnikiem ryzyka w rozwoju drugiego. W rzeczywistości każda z tych chorób zwiększa prawdopodobieństwo hospitalizacji, więc w grupie osób hospitalizowanych warunkowe prawdopodobieństwo współwystępowania obu chorób jest zawyżone – nadreprezentowana jest grupa osób z oboma tymi zaburzeniami, bo ta grupa cechuje się najwyższym prawdopodobieństwem hospitalizacji. Pozorna pozytywna korelacja występuje jednak tylko w tak ograniczonej próbie i nie przekłada się na występowanie takiej zależności w całej populacji ani nie wiąże się z istnieniem rzeczywistego mechanizmu przyczynowego[5].

Zobacz też

Uwagi

  1. ↑ Pojęcie collider jest na ten moment bardzo rzadko tłumaczone na język polski. Tu użyty przekład „kolider” występuje np. u Kawalca (2006, op.cit.). Alternatywne tłumaczenie „zderzacz” pojawiło się w polskim tłumaczeniu książki Pearla (tłum. T. Chawziuk, 2021, op.cit.).

Przypisy

  1. 1 2 Paweł Kawalec, Przyczyna i wyjaśnianie: studium z filozofii i metodologii nauk, Lublin: KUL, 2006, s. 152, ISBN 83-7363-362-6, OCLC 162507559 [dostęp 2019-03-11].
  2. 1 2 Judea Pearl, Dana Mackenzie, Przyczyny i skutki. Rewolucyjna nauka wnioskowania przyczynowego, Tadeusz Chawziuk (tłum.), Copernicus Center Press, 2021, ISBN 978-83-7886-592-6 (pol.).
  3. ↑ Borysław Paulewicz, Wprowadzenie do teorii wnioskowania przyczynowego dla psychologów: testowalne i nietestowalne założenia przyczynowe i statystyczne, „Przegląd Psychologiczny”, 66 (1), 2023, s. 93–124, ISSN 0048-5675 [dostęp 2025-07-23] (pol.).
  4. ↑ 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].
  5. ↑ Joseph Berkson, Limitations of the Application of Fourfold Table Analysis to Hospital Data.*,†, „International Journal of Epidemiology”, 43 (2), 2014, s. 511–515, DOI: 10.1093/ije/dyu022, ISSN 1464-3685 [dostęp 2019-03-11] (ang.).
This article is issued from Wikipedia. The text is available under Creative Commons Attribution-Share Alike 4.0 unless otherwise noted. Additional terms may apply for the media files.