Las variables al acecho probablemente tengan algo que ver con esto. Sólo estoy tratando de averiguar cómo su diferencia puede afectar a un modelo lineal.
Respuesta
¿Demasiados anuncios?
Sean Hanley
Puntos
2428
La interpretación (potencialmente causal) de su modelo no procede del propio modelo. Proviene del diseño y la configuración del estudio. La causalidad puede deducirse principalmente del modelo cuando se realiza un experimento real. Existen varios métodos para intentar inferir la causalidad con datos observacionales (por ejemplo, variables instrumentales, diferencias en diferencias, puntuaciones de propensión, etc.), pero todos requieren supuestos adicionales y no son tan sólidos como los experimentos en general. Si no dispone de un experimento real, lo más seguro es suponer siempre que su modelo sólo estima una asociación marginal.
Las variables omitidas / al acecho afectan cuando están correlacionadas con $X$ variables en su modelo y con su respuesta ( $Y$ ). En ese caso, sesgan sus estimaciones de forma que una variable podría parecer causal cuando en realidad no lo es. Para entenderlo mejor, puede ser útil leer mi respuesta aquí: Estimación $b_1x_1+b_2x_2$ en lugar de $b_1x_1+b_2x_2+b_3x_3$ .
