kausal04

dag

causal

Published

December 19, 2022

Exercise

Gegeben sei ein DAG g (s.u.). Was ist die minimale Menge an Variablen (minimal adjustment set), die man kontrollieren muss, um den kausalen Effekt von smoking auf arrest zu identifizieren?

Answerlist

{ Cholestorol }
{ Weight }
keine, da nicht identifiziferbar
{ Cholestrol, Unhealty Lifestyle }
{ Cholestorol, Weight }

Solution

{ weight }

Durck die Kontrolle von weight wird der gesuchte kausale Effekt identifizierbar.

Also lautet die Regressionsformel: arrest ~ smoking + weight.

Es wäre ein fataler Fehler, nähme man den Mediator Cholestorol mit auf:

arrest ~ smoking + cholestorol. ⛈️🛑

Answerlist

Falsch
Wahr
Falsch
Falsch
Falsch

Categories:

dag
causal

---
exname: dag4
extype: schoice
exsolution: 512
exshuffle: yes
categories:
- dag
- causal
date: '2022-12-19'
slug: kausal04
title: kausal04

---




```{r libs, include = FALSE}
library(tidyverse)
#library(testthat)
#library(glue)
library(dagitty)
library(ggdag)
```


```{r global-knitr-options, include=FALSE}
knitr::opts_chunk$set(fig.pos = 'H',
                      fig.asp = 0.618,
                      fig.width = 7,
                      fig.cap = "", 
                      fig.path = "",
                      echo = FALSE,
                      message = FALSE,
                      #dpi = 300,
                      fig.show = "hold")
```





# Exercise

Gegeben sei ein DAG `g` (s.u.). 
Was ist die minimale Menge an Variablen (minimal adjustment set),
die man kontrollieren muss,
um den kausalen Effekt von `smoking` auf `arrest` zu identifizieren?


```{r }
smoking_ca_dag <- dagify(cardiacarrest ~ cholesterol,
       cholesterol ~ smoking + weight,
       smoking ~ unhealthy,
       weight ~ unhealthy,
       labels = c("cardiacarrest" = "Cardiac\n Arrest", 
                  "smoking" = "Smoking",
                  "cholesterol" = "Cholesterol",
                  "unhealthy" = "Unhealthy\n Lifestyle",
                  "weight" = "Weight"),
       latent = "unhealthy",
       exposure = "smoking",
       outcome = "cardiacarrest")

ggdag(smoking_ca_dag, text = FALSE, use_labels = "label") +
  theme_dag()

```







Answerlist
----------



* { Cholestorol }
* { Weight }
* keine, da nicht identifiziferbar
* { Cholestrol, Unhealty Lifestyle }
* { Cholestorol, Weight }



</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Solution


```{r comment = ""}
print( adjustmentSets( smoking_ca_dag, "smoking", "cardiacarrest" ,
                       type = "minimal",
                       effect = "total") )
```

Durck die Kontrolle von `weight` wird der gesuchte kausale Effekt identifizierbar.


```{r}
ggdag_adjustment_set(smoking_ca_dag, text = FALSE, use_labels = "label", shadow = TRUE)
```


Also lautet die Regressionsformel:
`arrest ~ smoking + weight`.

Es wäre ein fataler Fehler, nähme man den Mediator `Cholestorol` mit auf:

`arrest ~ smoking + cholestorol`. ⛈️🛑





Answerlist
----------

* Falsch
* Wahr
* Falsch
* Falsch
* Falsch





---

Categories: 

- dag
- causal