1. 什么是有向无环图(DAGs)？

有向无环图是一种因果关系可视化工具，它用箭头和图形化来表示研究人员关于变量间因果方向的假设。它的主要作用是指导研究设计与分析，帮助我们更清晰的决定：为了获得暴露对结局的无偏因果估计，哪些变量必须控制（调整），哪些变量绝不能控制，哪些变量可以酌情控制。

2. 画DAGs应遵循哪些规则？

l 有向：箭头表示因果方向，只能从因到果，不能反向。

l 无环：“因”先于“果”，不能有循环，顾曰“无环”。

l 完整性：要包含所有影响“暴露”和“结局”的共同原因，即使是未能测量的变量。

l 假设性：如果DAGs中两个变量之间没有箭头，则代表“假设它们之间没有直接因果关系”；有箭头只代表“假设它们之间有因果关系”，并不是说在实际数据中一定能观察到这个因果效应。

3. DAGs 中“路径”分为哪几类？它们各自含义是什么？

“路径”有两类，分别为“有向路劲”和“无向路径”

l 有向路径：沿着箭头方向从暴露（E）到结局（O）的路径，比如“E→O 或 E→M→O”。这是我们想估计的因果效应。

l 无向路径：虽然也连接暴露（E）和结局（O），但不完全遵循因果方向的路径。这是虚假关联（偏倚）的通道，是主要控制对象。

4. DAGs有哪些局限性？

l 依赖假设：DAGs的有效性完全基于其因果假设，这些假设可能是错误的。

l 不能量化偏倚：它只能定性识别偏倚来源，无法定量估计偏倚大小和方向。

l 复杂：涉及多变量或重复测量时，DAG会变得庞大难懂，但这本身反映了现实世界的复杂性。

原文来源：https://jamanetwork.com/journals/jama/article-abstract/2789646

https://mp.weixin.qq.com/s/rjYv7TwiSF7xtbXivxIXfQ?scene=1&click_id=1