Aug, 2020

多变量反事实系统和因果图模型

PDF
TL;DR本文介绍了 Judea Pearl 在因果推断和统计学领域中的许多贡献，并阐述了 d 分离准则、do 演算和中介公式。文章还提出了一种关于潜在结果和事件树的早期因果模型，该模型饭后了 d 分离准则和 do 演算的简化，导致在有隐含变量的因果模型中，一个完整的识别算法的简单反事实的制定。
发现论文，激发创造
  • Markov 类别、因果理论和 do - 演算

    本文使用范畴论方法对因果模型进行了分类处理，从 “纯因果” 的角度定义了因果独立 / 分离、因果条件等重要概念，并产生了一个核心部分的语法版本的 syntactic do-calculus 在所有因果模型中继承。

    Apr, 2022

  • 聚类 DAG 中的因果效应识别

    该研究介绍了一种叫做 “集群有向无环图（Cluster DAGs）” 的新型图形建模工具，其可以基于有限的先验知识提供变量之间关系的部分规范，从而缓解了在复杂、高维度领域中指定完全因果图的严格要求。在该图形模型下，本研究还开发了基于 “Pearl's Causal Hierarchy” 的各层级的变量集聚进行推理的方法，并验证了 C-DAGs 的有效性。

    Feb, 2022

  • 具有未观测混杂因素的纵向中介分析的反事实图模型

    该研究论文讨论了介导分析的因果效应、参数方法以及对反事实框架的一般性应用。

    May, 2012

  • Do-Calculus 的再探讨

    该论文介绍了 do-calculus 的开发和应用，包括在非参数模型中识别因果效应、介导分析、可传输性和元分析等领域，并重点讨论了元合成的挑战。

    Oct, 2012

  • 部分干预因果模型

    该论文提出了一种基于单一世界干预图的因果推断方法，建立了一种允许特定变量干预的图模型，并提出了一种干预计算法则。

    Oct, 2021

  • 从有反馈的因果图中用 d - 分离推导条件独立性（研究笔记）

    本文旨在反驳 Pearl 和 Dechter（1996）提出的基于 d - 分离准则的有向无环因果网络的条件独立性也适用于存在反馈循环的离散变量网络（前提是系统的变量由随机干扰确定），我通过示例说明通常情况下这并不成立，需要更强的条件，如存在可以保证唯一解的因果动态。

    Jun, 2011

  • Pearl 的干预微积分是完备的

    本文研究非实验数据中确定因果关系的图形准则，提出了 Pearl 的工作和 Huang 和 Valtorta 的算法，并证明了 Pearl 提出的基本 do-calculus 规则是完整的。

    Jun, 2012

  • 非确定性因果模型

    我对无确定性的非确定性结构方程模型进行了泛化，并论证它对反事实提供了改进的语义。我通过允许多值函数在结构方程中的使用来放弃了哈尔彭（Halpern）的标准确定性语义，并调整语义以确保在任何反事实世界中都保留了实际世界中获得的方程解。最后，我将这些模型扩展到概率情况，并展示了它们在因果贝叶斯网络中识别反事实的方式。

    May, 2024

  • 因果模型的逻辑

    本研究研究了有向无环图在表示条件独立关系方面的作用，提出 DAG 可以用来推断条件独立关系并可以比其他准则发现更多合法的独立关系。此外，研究还表明 DAG 所显示的依赖关系是相一致的。

    Mar, 2013

  • 因果图中的分离器和调整集：完备准则和算法框架

    本文提出了一种基于祖先图的算法框架，用于有效地测试，构建和枚举 $m$- 分隔符，从而较高效地进行非实验数据中因果效应的识别，同时还证明了通过协变调整进行因果效应识别与 $m$ 分离在有向无环图及最大祖先图中的一个子图的规约，并利用这些结果，得出一种刻画所有调整集以及在存在潜在混淆因素的多元曝光及结果的期望因果效应识别的所有最小和最小调整集的构造性条件，为这些问题的特殊情况提供了现有解决方案的扩展。

    Feb, 2018