DAG（有向无环图）的实现方法

 DAG（有向无环图）的实现方法，DAG是寻找和筛选合适协变量的可视化方法，可以方便的筛选出所需的协变量

原理：

DAG只是一种可视化方法，具体原理关系到图论等知识较为复杂，我们只需要学会读和画DAG图，以及学会用它来进行协变量筛选，对于应用者来说才是DAG的核心

 

协变量筛选方法：

1. 中间变量不能纳入

中间变量（中介变量）是A通过B作用于C，这个比较好理解，就是中间变量的作用可以看做A和C作用的一种途径，作用是属于A的，自然不能放入，不然会导致A对C的影响降低

2. 混杂因素（cofounder）必须放入

cofounder是B同时对A和C有作用（Figure 1 ），B便是A对C的混杂因素，与之相对的是碰撞因素（A和C都对B有作用）较为复杂不再讨论。混杂因素于中间变量不同，必须要放入模型

请注意中间变量与混杂因素的区别！

 Figure 1

3.社会人口学特征一般不作为解释变量

谁都知道年龄、性别等社会学因素对癌症等疾病结局有影响。它们存在的意义是因为它们是混杂因素。一般需要放入到模型中来但无须讨论。

---

代码实践

# 下载两个包：dagitty和ggdag
##install.packages("dagitty")   
##install.packages("ggdag")
library(tidyverse)
library(dagitty)
library(ggdag)
# 使用dagitty包当中的dagitty函数来创建DAG
# X，Y，Z这些字母都是随便的，你可以想用什么字母用什么，大写小写都可以
# 这些字母代表你的变量
# ->代表方向
# 每一个；表示一个具体的点边关系
# {}代表组，例如{A R D J S}都是效应修饰变量，组里的每个字母用空格隔开
dag<-dagitty::dagitty("dag{X->Z->Y;
  X<-U->Y;{A R D J S}->Y;{B I}->Z;D->S;D->J;R->Z;}")

##matrix2dag可以实现从邻接矩阵生成dag

dag_tidy<-ggdag::tidy_dagitty(dag,seed = 4)%>%
dag_label(labels=c("X"="Meth Use","Y"="HIV","U"="Unobserved Confounder","A"="Age","B"="Binge Drink", "D" = "Education", "J" = "Occupation", 
                   "S" = "Monthly Income", "R" = "Sexual Orientation",  
                   "I" = "Injection Drug", "Z" = "Condomless Sex"))

# dag_tidy是你的dag数据，node_size可以修改点的大小，text_size可以修改字母大小

# label_size修改标签大小，edge_type是边的类型，可以是直的，也可以是弯的
# geom_dag_label_repel里面是添加标签的函数，最好不要变动
# geom_dag_edges可以改变边的属性，我这里改变了宽度
# theme_dag_blank可以删掉背景

ggdag(dag_tidy,node_size=15,text_size=5,label_size=5,edge_type = "link_arc")+
  geom_dag_label_repel(aes(label = label))+
  geom_dag_edges(edge_width=1)+
  theme_dag_blank()+
  expand_plot(expand_x = expansion(c(0.1,0.1)),
              expand_y = expansion(c(0.1,0.1)))

运行结果示例：

较为粗略，颜色等美学要素可以进行更改

 作者：小天