DAG.Rmd

---
title: "DAG"
author: "liuc"
date: '2022-07-07'
output: pdf_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

## DAG
关于DAG的一些笔记，原理、应用和脚本、解释等。


```{r}
library(dagitty)
library(ggdag)

# http://www.dagitty.net/dags.html
```


`DAG`(directed acyclic graph), 有向无环图，是一种类似决策树没有闭环的图形。
在回归模型的构建中一般以探讨影响因素和控制偏倚、以及临床预测模型为主要目的，而对于探讨影响因素和控制偏倚为目的的回归模型，因变量和自变量之间往往存在着因果关系。但相关非因果，还需具体合理的理论假设。
*对于反应当前情况的暴露变量*在纳入模型前需要理清其和outcome的关系，一般在横断面研究中，一般不建议纳入。
进行数据分析之前，理清因果关系，是以探讨影响因素或者控制偏倚为目的回归分析的首要工作。这一工作，最具体化的方式，是DAG方法。

DAG，有向无环图(Directed Acyclic Graph，DAG)。这是一种理论驱动的自变量筛选方法，它基于理论的因果关系，构建因果关系网络，从而找到合适进入模型的自变量（本讲具有一定的理解难度）。

所有变量因果关系通过方向线形成的单向网络，该网络图即称之为有向无环图(Directed Acyclic Graph，DAG)。


DAG的几个主要概念：
1. 中介变量
2. 混杂变量
3. 相关变量等


概括来说，基于DAG理论最重要的自变量筛选原则是：
1. 中介变量不能纳入
2. 混杂因素必须放入
3. 



## 变量筛选的一般性原则

回归分析中，最重要的一部分既是展开变量的分析，变量是否要纳入模型中，它是中介变量还是混杂变量？对于自变量为数值型变量的怎么处理，是否需要处理？哑变量怎么设置？不能的目的的模型纳入变量的要求有什么不同？先单后多，逐步回归等变量筛选的方法在什么情况下更合理？





## 效应改变法（Change-in-Estimate,CIE）
Hsin-Yi Weng等人2007年发表的论文，把效应改变法归为两类：

第一类，剔除自变量后，对最初模型目标因素效应值的影响不超过10%者，删除变量，否则则保留。
第二类，剔除自变量后，相对未剔除该自变量，目标因素效应值影响不超过10%时，则删除变量，否则则保留。

论文最常见的是方法第一类，本文亦对第一类进行详细解释。