directed-acyclic-graphs - 基于数据生成过程的因果图

Question

我对因果推理很陌生，想尝试一些治疗效果估计的方法。为此，我在 Python 中创建了以下数据生成过程：

import numpy as np

n = 10000
X3 = np.random.randint(1,4, n)
X2 = np.random.randint(1,11, n)

X1 = 5 * X2 + 3 * X3 + np.random.randint(-1,3, n)
X4 = 10 * X2 + np.random.randint(-2,5, n)

#treatment probability
propensity = np.where(X1 > 30, 0.8, 0.2)
T = np.random.binomial(1, propensity)

#treatment effect
tau = np.where(X2 > 5, 10,0) * T * (-1)

#define outcome
Y = 50 * X2 - 5 * np.sqrt(X1) + T*tau + np.random.randint(10,21, n)

对于生成的数据，将创建以下图表：

有向无环图

我的问题是：由于X2（根据数据生成）不影响T的分配，但对治疗效果本身有影响，X2和T（X2->T）之间是否需要边缘？

非常感谢！