接近因果学习简介

Sep, 2020

An Introduction to Proximal Causal Learning

Eric J Tchetgen Tchetgen, Andrew Ying, Yifan Cui, Xu Shi, Wang Miao

TL;DR本文提出了一种正式的潜在结果框架，用于接受不完美的代理变量并解决观察性研究中因未测偏差而引起的因果推断问题。通过引入足够的条件来实现非参数识别，并给出了相应的算法进行估计，其中包括对点处理和时变处理设置的处理，以及给出了使用近端 g 计算方法计算因果效应的应用案例。

Abstract

A standard assumption for causal inference from observational data is that one has measured a sufficiently rich set of covariates to ensure that within covariate strata, subjects are exchangeable across observed treatment values. Skepticism about the exchangeability assumption in obser

causal inference observational study confounding mechanisms covariate measurements proximal causal learning

发现论文，激发创造

半参数邻近因果推断

本文介绍了一种基于测量协变量的局部因果推断框架，其中正式承认协变量测量是难以完美匹配真实混淆机制的，为在基于观测数据的因果推断中提供新的思路。作者提出了一套非参数近端推断的条件，建立了平均处理效应的半参数近端推断理论，以及多种相容性分析方案，并在模拟情境和实际数据集评估中予以展示。

Nov, 2020

利用代理变量方法进行未观测变量的因果发现

本文介绍了一种在存在连续变量的情况下发现因果关系的方法，通过解决离散数据的严格级别约束限制的问题，把连续因果关系测试转换为每个区间内离散因果关系的测试，这些非参数规则可以广泛适用于大量结构因果模型。

May, 2023

基于文本数据的近端因果推断

最近的基于文本的因果方法尝试通过将非结构化文本数据作为部分或不完全测量的混淆变量的代理来减轻混淆偏差。我们提出了一种新的因果推断方法，它使用两个零样本模型从预处理文本数据中推断出两个代理，并将这些代理应用于近端 g 公式中，从而解决了一个重要的未观测到的混淆变量的问题。我们证明了我们的基于文本的代理方法满足近端 g 公式所需的识别条件，而其他看似合理的提议则不满足。我们在合成和半合成环境中评估了我们的方法，并发现它产生了低偏差的估计。这种近端因果推断与零样本分类器的结合是新颖的（据我们所知），并扩展了可供实践者使用的文本特定的因果方法。

Jan, 2024

向因果不变性正则化：带代理的线性模型

我们提出了一种学习线性模型的方法，该方法可使预测性能对无法观测变量的因果干预具有鲁棒性，当这些变量的噪声代理可用时。

Mar, 2021

使用代理变量识别未被测量混杂因素的因果效应

通过利用估算原因变量的代理变量，即使是由于未观测到的变量导致的因果效应也可以进行非参数识别。同时，如果有至少两个独立代理变量满足特定排名条件，则可以进行非参数识别。如果只有一个代理变量或者不满足所需的排名条件，则可以通过开发一种方法来测试无因果效应的零假设。这个结论推广了 Kuroki & Pearl (2014) 的标识策略，并且不需要标识代理关系的度量误差机制。

Sep, 2016

使用代理变量进行因果发现

本研究提出了一个基于代理变量的框架，通过观测因果发现算法估计两个静态实体之间的因果关系，并将其应用于自然语言中的词汇对，结果显示我们的方法可以发现 75％的因果关系并讨论了代理变量在机器学习中的作用。

Feb, 2017

关于协变量调整用于估计因果效应的有效性

研究了在因果推断中如何解决因果关系难以识别的问题，提出了协变量调整的图形标准并推导了一些相关的推论。

Mar, 2012

因果和反因果学习

本文研究了因果模型下的函数估计问题，进一步探讨因果知识对半监督学习、知识迁移和协变量转移等问题的影响，并通过实证结果支持了半监督学习的假设。

Jun, 2012

确定性混淆的核心单代理控制

我们提出了两种基于核方法的因果效果估计方法，针对存在未观测混淆变量的情况下，利用单个代理变量可以一致性地估计因果效果，并在合成数据集上进行实证验证。

Aug, 2023

未观测到混杂因素的因果模仿学习

研究表明在模仿学习中，学者提出了一个非参数图形标准来确定模仿的可行性，并建立了一个有效的程序来从专家轨迹中学习模仿策略。

Aug, 2022