直接和间接效应
论文探讨了使用非实验数据和因果假设对行动效应进行评估的方法。提供了一种系统识别变量集之间的因果关系的程序，条件是一些变量被视为未观测到。可识别的条件因果效应通过观测到的联合分布来表示。
Jul, 2012
本文提出基于可识别因子模型的新的图形可识别性标准，以解决存在隐变量和选择偏差情况下，总效应识别问题。该标准可用于识别观察研究中的总效应，并为因子模型的识别条件提供了新的视角。
Jun, 2012
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
本文介绍了一个完整的可识别性结果，该结果表征了所有情况，其中从总结因果图中直接效应可以图形化识别，并提供了两个可靠的有限调整集，可以用来估计直接效应。
Jun, 2023
本研究提出一个非参数中介－结果模型，假定中介是一种时间点过程，该模型能够在非规则采样的时间序列中估计干预的直接和间接效应，为医疗数据分析提供帮助。
Jun, 2023
本篇论文通过建立时间连续的结构嵌套模型，提出可以在时间相关性干扰存在下，估算时间变化的治疗效应的概念框架和形式化方法，同时表明这样的估算器是准确和渐近正常的。
Oct, 2004
使用摘要因果图从观测数据中确定总效应的充分图形条件，即使存在隐藏的混杂和没有足够的变量集进行调整，也有助于从观测数据中理解和估计因果效应的持续努力。
Jun, 2024
本研究旨在解决机器学习模型预测个体实例时特征贡献和整体特征重要性的估计问题，提出了一种基于假设理想实验的因果效应定义，并构建了基于因果效应的透明且有意义的本地和全局解释方法，其数据驱动估计和实验验证表明了该方法的有效性及实用性。
Jun, 2022