In this paper we propose a causal analog to the purely observational Dynamic
Bayesian Networks, which we call dynamic causal networks. We provide a sound
and complete algorithm for identification of Dynamic Causal Net- works, namely,
for computing the effect of an intervention or exper
本文总结了 Pearl 和 Bareinboim 的研究成果，提供了一种有效的程序，决定何时以及如何进行信息迁移，并建立了一种必要且充分的条件，用于决定目标人群中的因果效应是否可估计。同时提供了一种计算传输公式的完整算法，以综合偏差自由估计所需的因果关系。最后，本文还探讨了传递性与其他形式的泛化之间的差异。