问题标签 [causality]

我有以下代码将返回 DAG 图：

我想返回数据框和图表。我怎样才能做到这一点？本质上我想返回图表以及tidy_dag. 或者也许只是返回一个对象，我可以使用 $ 从中获取特定元素。

是否可以查看/提取 statsmodels 的格兰杰因果检验假设的系数？在输出中，线性回归称为：“<statsmodels.regression.linear_model.RegressionResultsWrapper at 0x7f7d64c768d0>”。

我们可以从中找出假设的滞后系数，这是显着的吗？

非常感谢！

我主要使用观察数据，其中治疗分配不是随机的。过去我用PSM、IPTW来平衡然后计算ATE。我的问题是：现在我正在研究一个治疗分配是随机的问题，这意味着不会产生混淆效应。但治疗组和对照组的规模不同。有一个桶不平衡。

现在我应该按原样分析数据并运行统计显着性和统计功效检验吗？或者我应该使用协变量匹配来平衡治疗和控制之间的大小不平衡，然后运行显着性检验？

我正在尝试使用 CausalModel 和 Econml 库来确定变量对以下数据集中显示的不同场景的影响：

因此，首先，我导入以下库：

然后我使用 pandas read_csv 导入数据集并将其命名为“df”。

之后，我将因果模型定义如下：

以下是输出

之后我生成估计：

使用以下输出：

在此之后，我终于尝试计算因果效应：

但我每次都会收到以下错误：

请有人帮助我并理解和纠正这个错误。另请注意，要使用 Econml，您需要 Python 3.8 及更低版本。

我是匹配测试/控制的新手。我看到在 R 中，我们可以使用Matching或MatchIt来选择匹配项。两种创建匹配的方式有什么区别？你能为他们每个人提供例子吗？

谢谢！

我正在使用 rdrobust 来估计 RDD，并且对于在期刊中提交的期刊要求我报告带有协变量及其估计值的表格。我认为这些不应该在这样的设计中报告，也不知道它们的信息量有多大，但无论如何：我在 rdrobust 调用的输出中的任何地方都找不到它们，所以我想知道是否还有实际获得它们。

这是我的代码：

然后我调用对象

并得到：

因此，如您所见，输出和函数调用的对象似乎都没有关于此的信息。我真的不知道该怎么办。谢谢！

有人知道我做错了什么吗？我尝试了我在互联网上看到的所有东西来执行 Grangertest。我的数据结构是：

我试过的代码是：

我不断收到的错误是： charToDate(x) 中的错误：字符串不是标准的明确格式

我试图将日期设为数字，这也给出了同样的错误。

我在 R 中进行中介分析。我的中介是一个二元变量，因此model.m由glm.

但是，在我运行上面的代码之后，我不断收到错误：

Error in factor(PredictMt, levels = 1:m, labels = m.levels) : object 'm' not found

我查看了原始源代码，发现m.levels源代码中应该是一个变量，并且没有一个名为m. 换句话说，m不应该是一个对象。我不明白为什么程序将其识别m为对象。

此外，代码在连续调解器上运行得很好。以下代码有效：

在 Pearl、Glymour 和 Jewell 的“统计中的因果推理”第 122 页：“在线性系统中，转换的反转等于否定其影响的符号，我们有标准的加法公式 TE=NDE+NIE”。

在这种情况下，线性系统意味着什么？
与结构方程建模的路径图是否完全一样，是这样的系统：

其中 Ui 是随机正态扰动

我问是因为我已经创建了该 SEM 形式的随机数据，但我得到的 NIE 矩阵不是对称的（不管反向转换的相反符号），所以我可能计算不正确。

在我的一个神经网络实现中，我必须解决以下问题： w = f(v)其中Lv = q+Dw, w,是向量，v是矩阵并且是对角矩阵。这当然看起来像是一个困难的依赖问题，但如果我们假设严格来说是下三角，那么这个问题是可以迭代解决的。为了清楚起见，我将在下面写出问题：qDLD

（我希望由于缺乏数学排版很清楚：P）

我在批量设置中解决了这个问题，因此向量w, v,q的维度为(N_batch, n)。

由于我不是 python 专家，我现在只看到使用以下迭代过程解决此问题的可能性：

然而，这实际上占用了 85% 的时间来计算我在神经网络训练中的一步前进过程，因此优化这个过程会非常好：P

是否有一些我不知道的功能可以解决这个问题，或者是否有一些 python 大师可以优化我的问题？先谢谢了

MWE：