We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
小
小杨
小杨的详细信息暂未知。
小杨: 在本期节目中，我主要介绍了流行病学中一个非常有用的方法，即工具变量法。首先，我阐述了随机对照实验（RCT）作为临床研究金标准的地位，但同时也指出了其局限性，特别是在某些无法进行RCT的研究中，建立因果关系变得异常困难。因此，流行病学研究往往只能得出相关关系，而不能直接推断因果关系。为了解决这个问题，我详细介绍了工具变量法的原理，即通过引入一个与原因相关但不与结果的其他潜在原因相关的变量，来帮助确定原因与结果之间的因果关系。我强调了工具变量必须满足的两个关键条件：一是工具变量必须与我们感兴趣的原因相关；二是工具变量不能与其他的干扰因素相关。通过将工具变量引入到因果模型中，研究人员可以隔离其他可能影响的因素，从而更准确地估计原因与结果之间的因果效应。最后，我通过几个实例，包括明尼阿波利斯家庭暴力实验、后代子女数量对子女素质的影响以及高管后代性别与民营企业资本配置效率等，详细阐述了工具变量法在经济学和其他各个领域的研究中的应用，以及孟德尔随机化在流行病学中的应用。
小林: 在本期节目中，我与小杨一同探讨了工具变量法在流行病学和经济学中的应用。我主要补充了工具变量法在实际应用中的一些细节和思考。例如，在讨论明尼阿波利斯家庭暴力实验时，我强调了意向治疗原则（ITT）在随机对照实验中的应用，并解释了为什么ITT分析可能会稀释治疗效应。此外，我还提到了《勾勒姆医生》一书中的观点，即医学科学的金标准是RCT，这本身可能反映了医学的局限性，并提出了从循证医学到精准医疗的转变。在讨论后代子女数量对子女素质的影响时，我强调了文化背景和社会结构对实验结果的影响，并提出了对实验外部真实性的质疑。最后，我与小杨一同讨论了孟德尔随机化在流行病学中的应用，并强调了其在研究难以控制的混杂因素方面的重要作用。
Deep Dive
本期节目探讨流行病学中因果推断的难题，特别是如何从观察性研究中获得可靠的因果关系结论。节目介绍了因果推断方法学近年来的突破性进展，以及不同学派观点的差异。
- 因果推断在流行病学和统计学中面临的挑战：从相关性推断因果关系的困难。
- 随机对照试验（RCT）是临床研究的金标准，但其局限性在于无法应用于所有研究。
- 因果推断方法学近年来的突破性进展，涉及统计学、计算机科学、经济学和流行病学等多个学科。
- 2012年图灵奖得主Judea Pearl对因果图模型的贡献；2021年诺贝尔经济学奖得主对自然实验和因果识别方法的贡献。
- 不同学派在因果推断方法上的差异和争论。
Shownotes Transcript
久违啦！各位听众朋友～这期节目我们来聊一聊流行病学和因果推断方法中经常会被用到的工具变量。
【时间轴】
- 00:24 因果推断的基本问题和方法学的突破
- 04:34 工具变量的发明
- 06:49 明尼阿波利斯家庭暴力实验
- 17:35 子女数量会不会影响子女素质
- 23:22 “女儿效应”：高管后代性别与民营企业资本配置效率
- 27:48 流行病学中的工具变量：孟德尔随机化研究
【主要参考文献】
《因果之道，精通计量》 乔舒亚·安格里斯特、约恩-斯特芬·皮施克
《因果推断— 现代统计的思想飞跃》 丁鹏)
《勾勒姆医生，如何理解医学》 哈里·柯林斯、特雷弗·平奇
孟德尔随机化研究：咖啡和肾功能)
计量经济学研究：高管后代性别与民营企业资本配置效率)
【背景音乐】
LEAVE（阿司匹林/Flamelking 福林先生）
【免责声明】
本节目仅进行公共卫生常识及历史科普，所有知识性内容均来自于正规出版书籍、高等教育内容、官方公告文件、互联网百科等。本节目不涉及任何与疾病诊疗相关的建议。