实际因果推断与建模艺术
本文提出了一个新的实际原因的定义,通过建立结构方程模型来建立反事实关系,这个定义令人信服并优雅,解决了传统方法存在的主要问题,并且可以用来定义因果解释。
Jan, 2013
通过观察决策者的干预偏好,我们展示了可以理解和识别决策者的主观因果判断的可能性。通过使用因果模型,我们表示因果关系,其中世界由一组变量组成,通过方程式进行关联。我们证明,如果干预偏好关系满足某些公理(与关于反事实的标准公理相关),那么我们可以定义(i)一个因果模型,(ii)捕捉决策者对世界外部因素的不确定性的概率,以及(iii)与每个干预相关的预期效用,并且如果干预 A 的预期效用大于干预 B 的预期效用,则干预 A 优于干预 B。此外,我们还对因果模型的唯一性进行了描述。因此,我们的结果使建模者能够测试决策者的偏好是否与某个因果模型一致,并且从观察行为中确定因果判断。
Jan, 2024
利用结构方程来建模反事实,我们提出了(因果)解释的新定义。基于伴随论文中定义和推动的实际原因的概念,本文提出的解释是一个未知但如果被证明是真的,无论代理人最初的不确定性如何,都将构成被解释事实的实际原因。我们证明了该定义正确处理了文献中的一些问题示例。
Aug, 2002
该论文介绍了结构方程模型 (SEMs) 中精确的转换机制,以实现不同粒度和级别的建模;它强调了在因果建模过程中精确定义干涉的重要性,并阐明了循环 SEMs 的解释。
Jul, 2017
本文概述了决策论框架的统计因果关系,该框架适合于解决确定应用原因的效果的问题,并详细介绍了该方法,并与其他当前的公式进行了比较和对比,涵盖的主题和应用包括混淆,对待疗法的影响,工具变量和动态治疗策略。
May, 2014
通过添加附加变量,可以在模型中解决 Halpern-Pearl 定义的原因关系直觉上不合理的问题,但是在进行修改后是否会导致原因关系不太稳定的问题则取决于正常性假设的考虑。
Dec, 2014
本研究提出了一种新的因果方向确定框架,利用非参数方法估计边际和条件分布,并提出了一种基于 bootstrap 的方法来测试外生条件,以避免结构约束。验证表明,该方法可用于合成数据和实际数据上的因果方向确定。
Apr, 2015
本文介绍了如何在制造领域中通过先前知识和过程数据的结合使用结构方程模型来推导因果关系,与现有应用程序相比,我们不假定线性关系,从而得到更丰富的结果。
Oct, 2022