【因果推論的控制邏輯】談談被你亂控制的迴歸

多數人控制迴歸前，十之八九沒想清楚。標題還是要寫聳動點，不過這篇真的是用迴歸做因果推論的重點。講到因果推論，很多人聯想到的就是：PSM、DID、IV、Fixed effect、Selection model、實驗法......等這些工具，傳統迴歸幾乎快被認為只能處理相關性，不能處理因果。

2009-2019 台灣民眾的墮胎態度

台灣民眾對於墮胎的態度是有條件的。即使在很嚴苛的條件「有嚴重缺陷」，也不過60%的人認為墮胎沒有問題；只要條件一放寬（也沒很寬，經濟因素是很常見的原因），台灣民眾普遍認為墮胎是不對的。

反墮胎公投只要用一點話術，例如「我們有排除缺陷的嬰兒」，那這個公投下去大概是全家火葬場。

而且，台灣民眾在這10年間態度幾乎沒有改變。

精美的死亡交叉？

廢話不多說，下面是近期PTT蔡英文與韓國瑜的聲量，只要留言中有唯一支持XXX、非X不投，就會被我算進去。看來6/13號就瞬間死亡交叉了呢。

不過反串歸反串，反串成真，那絕對是一場惡夢＝  ＝

最愛說話的神

今早中研院SRDA小編發了一篇文，列舉了台灣民眾聽到神說話的頻率。

不過我覺得不同宗教的神說話的頻率應該不太一樣。大概是這樣拉，媽祖可能還不是最常說話的。

多元邏輯迴歸的係數能跨模型比較嗎?如何詮釋?

不要比較。很難詮釋。

Q: 多元邏輯迴歸的係數能跨模型比較嗎？例如上表0.191跟0.294能比較嗎？
A: 最好不要。解釋上很危險。看你要解釋的是「發生機率的增加(X)(probability increase)」、「發生的機率增加率(O)(probability increase ratio)」、「勝算的增加(O)(odd increase)」

Q: 多元邏輯迴歸某項x的係數為負，代表發生的機率減少嗎？例如上表的-0.064代表成為技術工人的機率降低嗎？
A: 不代表。可能是一個j類別發生的機率增加率(probability increase ratio)，小於k類別發生的機率增加率。但是x讓j、k發生的機率都提高了(probability increase)。教育程度實際上可能讓成為技術工人的機率提高。




多元邏輯迴是一種非常不直觀的模型，使用務必小心。為什麼？就我看過的中文書教科書，似乎都沒有認真講這部份的細節。請大家繼續看下去。

深綠丁粉？開票時間對於丁守中的影響

要回答這個問，分析方法有要非常謹慎的設計。這次開票最慢的是士林、文山、大安，大概也是「邊開邊投」最久的地方[1]。但是文山、大安是丁守中的大票倉，所以直接看開票時間與得票的關係，一定會是開票越久、丁守中得票越高。



所以我打算採用的分析策略是傾向分數配對法(PSM)。由2018年八成以上的投開票所，與2014年的投開票所，投票的鄰里都完全相同，或是差異很小[1]。

因此我可以使用投開票所2014年的得票率，進行相似的批配。簡單來說：

「18年開很快、14年KMT低得票」與「18年開很久、14年KMT低得票」做配對

「18年開很快、14年KMT高得票」與「18年開很久、14年KMT高得票」做配對

這個動作是類似實驗法中隨機分派的效果，這樣就不會有「開票很久的地方，都是丁守中票倉」的問題了。當然在配對過程，一定有些投票所配不到，就會被遺漏掉。

接著，就能夠看開票時間對兩間2014KMT得票率相似的投票所，有沒有造成不同的影響了。看不太懂文字嗎？那看圖示吧。

結果，讓我非常的困惑，開票時間越常，對於丁守中反而有提高得票率的效果？七點後開完，大概都顯著比七點前開完高了1%左右。

難不成深綠丁粉真的存在？對於這個結果，林澤民老師[3]、鄧志松老師[4]用其他的分析方法，似乎也有相同的結果。

[1]中選會僅公告開票完成時間，未公告開始開票的時間，因此我是假設開票越久，應該代表邊開邊投的問題越大。
[2]我允許2014投票所與2018的投票所有3成以下的差異。舉例來說，2014某個投票所是A里的3、6、8、9、11-15鄰、2018年是A里的6、8、9、11-16鄰。他們之間的相似度超過八成(9/11)，我仍會視之為同一個投開票所。
[3]林澤民老師於FB的發文，請見連結。
[4]鄧志松老師於2019空間分析工作坊課堂上呈現他分析的結果，他使用的是空間回歸(SLM與GWR)，有考量空間上的效果。結果投票與丁守中得票是正相關，但未達顯著水準。



幕後murmur：
2014中選會公告投開票所都是用PDF檔案，整個超級難整理。然後又要處理少數投開票所鄰里不同的問題。我當然不可能一間一間對，幸好會R，對於整理大量資料多打幾行程式就好了。