TP1 – DAG et identification
Introduction
Bienvenue dans cette introduction à l’utilisation du package Dagitty sur R, un outil puissant pour la manipulation de graphes acycliques dirigés (DAGs)! Grâce à Dagitty, vous pourrez analyser des relations causales, explorer les dépendances conditionnelles, et identifier les effets causaux à partir de vos modèles graphiques.
Installer R et RStudio
R est un logiciel libre dédié à l’analyse statistique qui offre des facilités graphiques considérables. R est à la fois un logiciel et un language de programmation. Il est téléchargeable directement sur le site internet https://cran.r-project.org/ où se trouvent également les instuctions à suivre lors de l’installation pour chaque système d’exploitation (Mac OS X, Windows, GNU/Linux,...).
Une fois R correctement installé, rendez-vous sur http://www.rstudio.com/products/rstudio/download/ pour télécharger la dernière version stable de RStudio, un environnement de développement gratuit, libre et multiplateforme pour R.
Pour installer le package dagitty sur R il suffit d'exécutez la commande suivante dans le console de RStudio: install.packages("dagitty")
Exerice
À partir du papier disponible ici et en supposant que les variables non mesurées (représentées par "U") deviennent mesurées, répondez aux questions suivantes :
- Dessinez un DAG causal détaillé correspondant en utilisant DAGitty sur R.
- À l’aide de DAGitty, identifiez un ensemble de variables qui d-séparent "codeine" de "U". Quel est cet ensemble?
- Utilisez DAGitty pour trouver un ensemble de variables satisfaisant le critère du back-door pour l’effet de "Chronic pain" sur "mortality". Quel est cet ensemble?
- en supposant une distribution positive, l'effet causal de "Chronic pain" sur "mortality" est-il identifiable? Justifiez votre réponse.