Vamos dizer que você está interessado no efeito causal da em . A declaração a seguir não é muito precisa, mas acho que transmite a intuição por trás das duas abordagens:DY
Ajuste da porta traseira: determine quais outras variáveis (idade, sexo) dirigem tanto (um medicamento) quanto (saúde). Em seguida, encontrar unidades com os mesmos valores para (mesmo em geral, mesmo género), mas diferentes valores para , e calcular a diferença em . Se houver uma diferença em entre essas unidades, isso deve-se a e não a qualquer outra coisa.XDYXDYYD
O gráfico causal relevante fica assim:
Ajuste da porta da frente: isso significa que você precisa entender com precisão o mecanismo pelo qual (digamos agora que esteja fumando) afeta (câncer de pulmão). Digamos que tudo flua através da variável (alcatrão nos pulmões): (tabagismo) afeta (alcatrão) e (alcatrão) afeta ; não há efeito direto. Então, para encontrar o efeito de em , calcule o efeito de fumar no alcatrão e, em seguida, o efeito do alcatrão no câncer - possivelmente através do ajuste da porta traseira - e multiplique o efeito de em pelo efeito de emDYMDMMYDYDMMY.
O gráfico causal relevante se parece com este (onde não é observado):U
Aqui, o ajuste da porta da frente funciona porque não há caminho de volta de portas abertas a partir de a . O caminho está bloqueado. Isto é porque as setas "colidem" em . Portanto, o efeito é identificado.DMD←U→Y←MYD→M
Da mesma forma, o efeito é identificado porque o único caminho da porta traseira de para é executado sobre , para que você possa ajustá-lo usando a estratégia da porta traseira.M→YMYD
Em suma, você pode identificar os "submecanismos" e não há efeito direto; portanto, é possível reunir os submecanismos para estimar o efeito geral. Isso não funcionará se influenciar , porque a identificação dos submecanismos não funcionará.UM