An R package for parametric estimation of causal effects

要約

この記事では、Comprehensive R Archive Network で公開されている R パッケージ CausalModels の使用法について説明します。
因果関係を十分に推定するためのパッケージは利用可能ですが、Hernan and Robins (2020) によって開発された従来の統計的アプローチを使用した構造モデルのコレクションを提供するパッケージがありません。
CausalModels は、広範な統計知識を必要とせずに観察データのバイアスを考慮する方法のツールを提供することで、因果推論に関する R のソフトウェアの欠陥に対処します。
これらの方法は無視すべきではなく、特定の問題を解決するには、より適切または効率的な場合があります。
これらの統計モデルの実装は多数の因果関係パッケージに分散されていますが、CausalModels は、単一の R パッケージで因果関係を推定するためのさまざまな統計手法間で一貫したモデリング パイプラインのためのシンプルでアクセスしやすいフレームワークを導入しています。
これは、標準化、IP 重み付け、G 推定、結果回帰、操作変数、傾向マッチングなどの一般的な方法で構成されています。

要約(オリジナル)

This article explains the usage of R package CausalModels, which is publicly available on the Comprehensive R Archive Network. While packages are available for sufficiently estimating causal effects, there lacks a package that provides a collection of structural models using the conventional statistical approach developed by Hernan and Robins (2020). CausalModels addresses this deficiency of software in R concerning causal inference by offering tools for methods that account for biases in observational data without requiring extensive statistical knowledge. These methods should not be ignored and may be more appropriate or efficient in solving particular problems. While implementations of these statistical models are distributed among a number of causal packages, CausalModels introduces a simple and accessible framework for a consistent modeling pipeline among a variety of statistical methods for estimating causal effects in a single R package. It consists of common methods including standardization, IP weighting, G-estimation, outcome regression, instrumental variables and propensity matching.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google