本文提出了一个适用于宏观关系下的因果推断的通用方法，本方法利用大量微观数据，发现微观特征对宏观系统的影响，并介绍了一种通过实验设计和观测数据来发现宏观变量的算法，同时提出了一系列满足特定条件的多级因果结构识别方法。

Dec, 2015

该论文研究了因果模型的抽象概念，提出了一系列逐步严格的模型定义，并表明微变量组合成宏变量的过程是强抽象概念的实例，其中所有的示例都属于 Rubenstein 等人考虑过的分类之一。

Dec, 2018

我们研究了时间聚合对一般设置中即时（非时间）因果发现的影响，发现聚合效果使得时间延迟因果关系消失，即时依赖关系显现。我们提出了功能一致性和条件独立一致性的概念，以形式化的方式对应于基于功能因果模型的方法和基于条件独立的方法，并给出了满足这些一致性的条件。我们理论上和实验上证明，聚合会严重扭曲因果发现结果，尤其是在完全非线性情况下，但在部分线性或适当的先验条件下，我们仍然可以从聚合数据中恢复因果关系。我们的发现建议在解释此类数据的因果发现结果时，研究界应该采取谨慎细致的方法，并展示了为什么和何时聚合会扭曲因果发现方法的性能。

Jun, 2024

本文讨论了粗粒化对于因果性和 Causal Emergence 的影响，提出了不确定性的重新分配是 Causal Emergence 的原因，并分析了决定 Causal Emergence 的阈值，进一步提供了选择正确粗粒化操作的有价值的建议。

Dec, 2022

通过信息学理论，本文探讨了一些系统的因果结构在宏观尺度上更具信息量，特定的因果模型能够更好地利用系统特定的因果能力。最终导致这些系统的因果结构无法被微观模型完全捕获。

Dec, 2016

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

本文提出了一个基于 Rischel（2020）提出的抽象形式化理论的因果抽象学习框架，并给出了一个可微分编程解决方案，以在人造数据和电动汽车电池制造领域中实现了关于多个分辨率级别的因果关系推理。

Jan, 2023

本文提出了一种基于深度学习和代理策略的因果中介分析方法，能够同时揭示隐藏混淆变量和估计因果效应，在观察性研究中有很好的应用前景，可用于处理因果公平性问题。

Feb, 2021

本文提出了将因果抽象扩展到软介入，通过将非常量函数分配给变量，而不添加新的因果关系来增强因果抽象。具体而言，我们将 $ au$- 抽象从 Beckers 和 Halpern（2019）推广到软介入，并提出了进一步的软抽象定义来确保软介入之间存在唯一的映射，同时证明了我们的构造软抽象定义可保证干预映射具有特定和必要的显式形式。

Nov, 2022

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