https://www.bradyneal.com/causal-inference-course
Introduction to Causal Inference라는 강의를 듣고 정리했습니다.

5. Identification

5-1. RCT 장점

• Comparability and covariate balance
  • Comparability : treatment group과 control group은 모든 aspect에 대하여 같다.
  • Covariate balance definition
    
    
  • 위 식과 같이 identification 된다.
• Exchangeability
  • association = causation
• No backdoor paths
  
  SS

5-2. Frontdoor adjustment

1. T → M 의 causal effect를 identify

2. M → Y 의 causal effect를 identify

3. 2와 3을 결합하여 T → Y의 causal effect를 identify

5-2-1. Frontdoor adjustment

5-2-2. Frontdoor criterion

1. T에서 Y로 모든 causal paths는 M을 통과해야 한다.
2. T에서 M로 가는 backdoor path는 모두 block되어야 한다.
3. M에서 Y로 가는 backdoor path는 모두 T로 인해 block되어야 한다.

5-3. Pearl's do-calculus

$G_{\underline{X}}$ : X로 부터 나오는 path block
$G_{\overline{X}}$ : X로 부터 들어오는 path block

• The rules of do-calculus
  
  
  • Rule1은 Generalization of d-separation to interventional distributions
    
    • W를 conditioning 했을 때, Y랑 Z가 independent
  • Rule2는 Generalization of backdoor adjustment/criterion
    
    • Z에서 나가는 path를 block한 그래프에서 W를 conditioning 했을 때, Y랑 Z가 independent
  • Rule3
    
    

이해안됨. 다시볼것

• Completeness of do-calculus : do-calculus로 모두 identification 할 수 있다.

5-4. Determining identifiability from the graph

5-4-1. Unconfounded children criterion

• T에서 Y의 ancestor의 M으로 가는 모든 backdoor path를 single conditioning set로 block할 수 있을 때
  

  이해 안됨.

이해 안됨.