多项选择题（每题 3 分）：回归不连续设计、匹配和因果推理

多项选择题（每题 3 分）：每题选出一个最佳答案。\n1. 在回归不连续设计（RDD）中，识别因果效应的关键思路是什么？\n因果效应？\nA) 将参与者随机分配到治疗组和对照组。\nB) 利用基于分界线的分配机制中的不连续性。\nC) 利用预先存在的群体差异来估计治疗效果。\nD) 采用统计控制以尽量减少混杂变量。\n2. 在 RDD 中，通常观察到结果变量在截断点之间的哪种类型的关系？\nA) 连续渐变。\nB) 突变。\nC) 完全没有变化。\nD) 随机且不可预测的变化。\n3. 在 RDD 中，"尖锐 "设计指的是什么？\nA) 清晰明确的分界点。\nB) 包括多个治疗组。\nC) 在分析中使用控制变量。\nD) 实施不同强度的治疗。\n4. 在 RDD 中，有效因果推断必须满足的关键假设是什么？\nA) 在运行变量的整个范围内，治疗效果是恒定的。\nB) 治疗分配是完全随机的。\nC) 结果变量服从正态分布。\nD) 研究者可以获得大量样本。\n5. 因果推断中匹配的主要目的是什么？\nA) 发现混杂变量。\nB) 创建新的治疗组和对照组。\nC) 平衡治疗组和对照组之间的协变量。\nD) 估算治疗效果的大小。\n6. 在匹配中，"协变量 "指的是什么？\nA) 与治疗无关的变量。\nB) 受治疗影响的变量。\nC) 可能混淆治疗与结果之间关系的变量。\nD) 仅与观察性研究相关的变量。\n7. 什么叫 "倾向得分匹配"？\nA) 根据个体在结果变量上的得分进行匹配。\nB) 根据个体接受治疗的可能性进行匹配。\nC) 根据个体的年龄和性别进行匹配。\nD) 根据个人的社会经济地位进行匹配。\n8. 关于近邻匹配，以下哪些说法是正确的？\nA) 它根据协变量的精确值对个体进行匹配。\nB) 它根据协变量的最近值来匹配个体。\nC) 它根据随机选择匹配个体。\nD) 它根据协变量的平均值匹配个体。\n9. 以下哪项不属于匹配技术？\nA) 随机抽样\nB) 倾向评分匹配\nC) 精确匹配\nD) Mahalanobis 距离匹配\n10. 什么情况下可以考虑使用倾向得分加权而不是传统的匹配？\nA) 当治疗组和对照组相同时。\nB) 当混杂变量过多时。\nC) 组间样本量差异较大时。\nD) 当结果变量是分类变量而不是连续变量时。\n11. 在因果推理中使用有向无环图（DAG）的主要目的是什么？\n11. 在因果推理中使用有向无环图（DAG）的主要目的是什么？\nA) 使复杂的数据结构可视化。\nB) 在数据流中创建循环。\nC) 表示变量之间的因果关系。\nD) 编码变量之间的对称关系。\n12. 在 DAG 中，两个变量之间的单箭头表示什么？\nA) 从第一个变量到第二个变量的因果关系。\nB) 从第二个变量到第一个变量的因果关系。\nC) 变量之间的对称关系。\nD) 变量之间没有关系。\n13. 什么是 DAG 中的 "对撞机"？\nA) 具有多个出向箭头的变量。\nB) 具有多个传入箭头的变量。\nC) 有双头箭头的变量。\nD) 两个箭头相遇但不继续的变量。\n14. 在使用 DAG 进行因果推理时，"后门路径 "的目的是什么？\nA) 建立虚假相关。\nB) 找出共同原因。\nC) 确定需要控制的混杂变量。\nD) 表示反向因果关系。\n15. 以下哪项最能说明在因果推理中使用 DAG 的优势？\nA) 它们提供了一对一的因果映射。\nB) 它们使复杂的因果关系更容易理解。\nC) 不需要进行统计分析。\nD) 它们确保所有变量同等重要。\n16. 线性回归的主要目的是什么？\nA) 将数据点划分为不同的类别。\nB) 根据数据预测结果变量的值。\nC) 直观显示变量之间的关系。\nD) 识别数据集中的异常值。\n17. 在线性回归中，被预测的变量被称为什么？\nA) 自变量\nB) 因变量\nC) 协变量\nD) 预测变量\n18. 在线性回归中选择最佳拟合线的主要目标是什么？\nA) 最小化预测变量的数量。\nB) 最大化 R 平方值。\nC) 最小化平方和。内容：D) 最小化残差平方和。\n