[Todos] Curso intensivo: Introducción a la Inferencia Causal

[gduran en dm.uba.ar]

Curso intensivo: Introducción a la Inferencia Causal (del 19 al 23 de mayo)
INSTITUTO DE CÁLCULO
DOCENTE.  Liliana Orellana (Profesora Visitante, FCEN)
BREVE DESCRIPCION
El proceso causal que genera los datos es generalmente inobservable, sólo
podemos observar las consecuencias de ese proceso en forma de patrones
complicados de asociación e independencia en los datos, generalmente
ambiguos e incompletos. A menos que los datos provengan de experimentos
aleatorizados y perfectamente controlados, los procedimientos estadísticos
estándares no permiten estimar efectos causales. Recordemos el mantra:
Asociación no implica causalidad. Sin embargo, la estructura causal
subyacente impone restricciones a la estructura de asociaciones y
asociaciones condicionales observable. El objetivo de la inferencia causal
es precisamente revelar la estructura de asociación de los datos y
eliminar todas las explicaciones no causales para una asociación
observada.
Durante las últimas décadas se han desarrollado diferentes marcos
conceptuales y una multiplicidad de métodos que permiten realizar
inferencia causal a partir de estudios observacionales o
cuasi-experimentales. En este curso se presentará una introducción
no-técnica de la teoría contrafactual (marco conceptual para realizar
argumentación causal) y de la teoría de gráficos causales (DAGs). Estos
son herramientas simples y muy útiles para comunicar y entender la
estructura causal de un problema; permiten detectar potenciales fuentes de
sesgo e identificar métodos de análisis adecuados para estimar efectos
causales.

OBJETIVO
Presentar una introducción del marco conceptual y de métodos estadísticos
modernos que permiten obtener inferencia causal a partir de estudios
observacionales.

CONTENIDOS
1.	El modelo contrafactual y los supuestos. ¿Qué queremos estimar en un
análisis causal? ¿Bajo qué condiciones podemos estimar los parámetros
causales? ¿Cuándo es asociación = causalidad? ¿Cuando no lo es, cómo
razonamos para inferir efectos causales?
2.	Algunos métodos de estimación causal. Estandarización. Pesando por la
inversa de la probabilidad de recibir tratamiento (IPTW). Estandarización
usando modelos de regresión.
3.	Gráficos causales dirigidos (DAGs). Elementos de un gráfico.
D-separación. Independencia  marginal y condicional. Estructuras asociadas
a sesgo de confusión y a sesgo de selección. Traducción de modelos
causales a modelos observacionales.

BIBLIOGRAFÍA
Capítulos seleccionados de:
•	Causal Inference. Hernán MA, Robins JM. Chapman and Hall (no publicado
aún). http://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/
•	Modern Epidemiology. Rothman KJ, Greenland S, Lash TL. 3rd ed.
Philadelphia: Lippincott Williams & Wilkins, 2008
•	Cause and Correlation in Biology. Shipley, B. Cambridge University
Press, Cambridge, UK, 2002.

DIRIGIDO A: Alumnos de grado y posgrado de la Facultad, especialmente
aquellos interesados en aplicación de herramientas estadísticas en
problemas de las Ciencias Naturales y las Ciencias de la Salud. Cada
alumno deberá pedir a posteriori el reconocimiento del curso en su
respectivo Departamento, el Instituto de Cálculo entregará certificados de
aprobación a quienes aprueben el curso.

REQUERIMIENTOS: Nociones básicas de epidemiología y de estadística. No se
asumirán  conocimientos de métodos estadísticos avanzados. El curso será
presentado en forma tal que los contenidos puedan ser incorporados por los
participantes en tiempo real.

MODALIDAD DE DICTADO: Las clases se desarrollarán en forma teórico-práctica.

MODALIDAD DE EVALUACIÓN: Examen de resolución grupal con presentación y
discusión en una fecha a convenir en la primera semana de Junio.

CANTIDAD DE HORAS TOTALES: 24 horas.

CRONOGRAMA: Las clases se dictarán diariamente entre el 19 y el 23 de mayo
de 2014, de 17:30 a 21:30 hs. (20 horas presenciales de clase más 4 horas
de consulta a acordar con la Profesora).

INSCRIPCION: 24 de abril hasta el 12 de mayo 
https://docs.google.com/forms/d/1eLzTgR_T0TRZ5QYTOtiqUtbwoFnq_zX42c50Z7NjeiI/edit#

DUDAS o CONSULTAS: Vera Hamer vera en ic.fcen.uba.ar