Kausaldiagramme haben die Art und Weise revolutioniert, in der Forscher fragen: Was ist der kausale Effekt von X auf Y? Sie sind zu einem Schlüsselinstrument für Forscher geworden, die die Auswirkungen von Behandlungen, Expositionen und Richtlinien untersuchen. Durch die Zusammenfassung und Kommunikation von Annahmen über die kausale Struktur eines Problems haben Kausaldiagramme dazu beigetragen, scheinbare Paradoxe zu klären, häufige Verzerrungen zu beschreiben und Anpassungsvariablen zu identifizieren. Daher wird ein fundiertes Verständnis von Kausaldiagrammen in vielen wissenschaftlichen Disziplinen immer wichtiger.

Der erste Teil dieses Kurses besteht aus sieben Lektionen, in denen Kausaldiagramme und ihre Anwendungen für die kausale Inferenz vorgestellt werden. In der ersten Lektion werden kausale DAGs, eine Art von Kausaldiagrammen, und die Regeln, die sie regeln, vorgestellt. Die zweite, dritte und vierte Lektion verwenden kausale DAGs, um gängige Formen der Voreingenommenheit darzustellen. In der fünften Lektion werden kausale DAGs verwendet, um zeitvariable Behandlungen und Behandlungs-Confounder-Feedback sowie die Verzerrung herkömmlicher statistischer Methoden zur Confounding-Anpassung darzustellen. Die sechste Lektion stellt SWIGs vor, eine andere Art von Kausaldiagrammen. Die siebte Lektion führt die Lernenden beim Erstellen von Kausaldiagrammen.Der zweite Teil des Kurses präsentiert eine Reihe von Fallstudien, die die praktische Anwendung von Kausaldiagrammen auf reale Fragen aus den Gesundheits- und Sozialwissenschaften hervorheben.

Professor Bildnachweis: Anders Ahlbom