kaRma: 因果推断大杂烩😛

kaRma 是一个用于因果推断分析的 R 包，提供多种方法来分析数据中的因果关系，并支持使用 MICE 进行缺失数据插补

为什么要叫 kaRma（因果报应）呢？因为学医是每个人应得的报应😭

什么是因果推断？

因果推断是统计学和数据科学中的一个重要概念，旨在确定一个变量（因变量）是否受到另一个变量（自变量）的影响

简单来说，因果推断的目标是回答“如果我改变某个因素，结果会发生怎样的变化？”

下面举个简单的🌰

假设我们想研究嚼槟榔是否会导致口腔癌（弗兰特色），我们可以收集一组数据，包括嚼槟榔的习惯和口腔癌病例

在因果推断中，我们希望确定嚼槟榔是否是导致口腔癌的原因，还是存在其他混杂因素（如爱不爱嗦不嗦粉、出行坐不坐摩的等）影响了结果

通过因果推断的方法（如倾向评分匹配、回归不连续设计等），我们可以更清晰地了解嚼槟榔与口腔癌之间的关系

方法

以下是 kaRma 包中提供的因果推断方法及其介绍：

1. 普通最小二乘法 (OLS)

   • 原理：通过最小化平方误差来估计因变量与自变量之间的线性关系
   • 优点：简单易懂，适用于线性关系
   • 缺点：对异常值敏感，假设误差项独立同分布

2. 工具变量法 (IV)

   • 原理：使用一个或多个工具变量来解决因果关系中的内生性问题
   • 优点：能有效处理内生性
   • 缺点：工具变量的选择非常重要，错误的选择会导致偏差

3. 广义线性模型 (GLM)

   • 原理：扩展 OLS，用于处理非正态分布的因变量
   • 优点：灵活，适用于多种数据类型
   • 缺点：模型复杂度增加，可能导致过拟合

4. 倾向评分匹配 (PSM)

   • 原理：通过匹配相似特征的样本来减少选择偏差
   • 优点：能够控制多种混杂变量
   • 缺点：未能观察到的变量仍可能导致偏差

5. 双重差分 (DID)

   • 原理：通过比较处理组和控制组在不同时间点的变化来估计因果效应
   • 优点：控制固定效应，适合自然实验
   • 缺点：需要平行趋势假设

6. 断点回归 (RDD)

   • 原理：在一个阈值附近比较处理组与控制组的结果
   • 优点：能够提供局部的因果推断
   • 缺点：仅在阈值附近有效，外推性差

7. 因果图模型

   • 原理：使用图形表示变量之间的因果关系
   • 优点：直观且易于理解因果结构
   • 缺点：构建图形需要领域知识

8. 逆概率加权 (IPW)

   • 原理：通过为每个观测值分配权重来控制混杂变量
   • 优点：能够处理缺失数据
   • 缺点：模型依赖于准确的倾向评分估计

9. 因果森林

   • 原理：通过随机森林方法进行因果推断
   • 优点：适用于复杂的高维数据
   • 缺点：模型解释性较差

10. 贝叶斯因果推断

    • 原理：使用贝叶斯统计方法进行因果推断
    • 优点：能够处理不确定性
    • 缺点：计算复杂且对先验分布敏感

11. 合成控制方法 (SCM)

    • 原理：通过构建一个合成控制组来评估政策或干预的影响
    • 优点：提供明确的比较基准
    • 缺点：对数据的要求较高，实施复杂

参数说明

• data：输入数据集，要求是一个数据框（data.frame）
• outcome_var：因变量的列名，表示要分析的结果
• method：选择的因果推断方法，支持以下选项：
  • OLS：普通最小二乘法
  • IV：工具变量法
  • GLM：广义线性模型
  • PSM：倾向评分匹配
  • DID：双重差分
  • RDD：断点回归
  • Causal Graph：因果图模型
  • IPW：逆概率加权
  • Causal Forest：因果森林
  • Bayesian：贝叶斯因果推断
  • SCM：合成控制方法
• treatment_var：处理变量的列名，表示施加影响的因素
• covariates：协变量的列名，用于控制其他混杂因素
• threshold：针对某些方法的阈值设定，默认值为 NULL
• use_mice：是否使用 MICE 处理缺失数据，默认为 TRUE
• m：指定插补次数，默认为 5
• mice_methods：插补方法的列表，可自定义不同变量的插补方法
• save_excel：是否将结果保存为 Excel 文件，默认为 TRUE
• file_name：保存文件的名称，默认为 "results.xlsx"

使用方法

# 安装和加载 kaRma 包
install.packages("devtools")
devtools::install_github("andrelau0622/kaRma")
library(kaRma)

# 示例调用
result <- karma(data = your_data,
                outcome_var = "口腔癌",
                method = "OLS",
                treatment_var = "嚼槟榔",
                covariates = c("爱嗦粉", "坐摩的"),
                threshold = NULL,
                use_mice = TRUE,
                m = 5,
                mice_methods = list("var1" = "pmm", "var2" = "cart"),
                save_excel = TRUE,
                file_name = "results.xlsx")

# 查看结果
print(result)